Utilizadores Frequentes das Urgências do Serviço Nacional ...

Utilizadores Frequentes das Urgências do Serviço Nacional de Saúde

Dissertação para obtenção do Grau de Mestre em Engenharia Biomédica

Inês Pereira da Silva Catarino Licenciatura em Ciências da Engenharia Biomédica

Orientador:

Co-orientador:

Pedro Pita Barros, Professor Catedrático, Nova School of Business and Economics, Universidade Nova de Lisboa

Carla Maria Quintão Pereira, Professora Auxiliar, Faculdade de Ciências e Tecnologia, Universidade Nova de Lisboa

Setembro de 2017

Presidente:

Arguente: Vogal:

Júri: Prof. Doutora Carla Maria Quintão Pereira Prof. Doutor Julian Perelman Prof. Doutor Pedro Luís de Oliveira Martins Pita Barros

III

Utilizadores Frequentes das Urgências do Serviço Nacional de Saúde

Copyright © Inês Pereira da Silva Catarino, Faculdade de Ciências e Tecnologia, Universidade Nova de Lisboa.

A Faculdade de Ciências e Tecnologia e a Universidade Nova de Lisboa têm o direito, perpétuo e sem limites geográficos, de arquivar e publicar esta dissertação através de exemplares impressos reproduzidos em papel ou de forma digital, ou por qualquer outro meio conhecido ou que venha a ser inventado, e de a divulgar através de repositórios científicos e de admitir a sua cópia e distribuição com objetivos educacionais ou de investigação, não comerciais, desde que seja dado crédito ao autor e editor.

V

Para a minha irmã...

VII

AGRADECIMENTOS

Este trabalho representa a conclusão de uma longa etapa de 5 anos, para a qual foram essenciais vários contributos. Assim, gostaria de agradecer:

Ao Dr. Ricardo Mestre e ao Dr. Pedro Barras da ACSS, por terem sido incansáveis no processo de obtenção das autorizações necessárias e do fornecimento dos dados.

Ao meu orientador Professor Pedro Pita Barros, primeiro por me ter aceite como orientanda, apesar de pertencer a uma área diferente da sua, e acima de tudo pela paciência, disponibilidade e boa disposição independentemente do estado da situação.

Às minhas melhores amigas, e companheiras deste percurso, Emanuela e Rita que foram uma das principais razões para me manter neste curso e concluir assim os 5 anos de trabalho intensivo, mas também de muitos bons momentos.

Aos meus pais e família, por me terem acompanhado sempre e relembrado constantemente que no fim de um grande esforço há sempre uma grande recompensa.

IX

Resumo

Dia após dia, os serviços de urgência (SU), em Portugal, são constantemente confrontados com os fenómenos da sobrelotação e dos excessivos tempos de espera.

Para possibilitar a compreensão das causas deste problema, é necessário identificar e perceber o padrão de utilização dos utentes que frequentemente se deslocam aos SU.

Este estudo utiliza uma base de dados que abrange as admissões nas urgências de todos os hospitais do país, no ano de 2014 e 2015. Inicialmente, identificámos os grupos de utentes que constituem os 5, 10 e 20% de maiores utilizadores dos dois anos e aqueles que visitaram um SU 4 ou mais vezes, no mesmo ano, através do número absoluto de idas às urgências, tomando-os como base para a aplicação do modelo probit. Esta metodologia permitiu não só estimar o impacto de diferentes fatores individuais, tais como o género, idade, ter médico de família atribuído e/ou sofrer de doenças crónicas, na probabilidade de recorrer frequentemente às urgências, como ainda perceber se um utente que foi frequente em 2014 teve o mesmo comportamento em 2015.

Os resultados mostraram que a probabilidade de um utente ser utilizador frequente aumenta para mulheres e utentes com mais de 80 anos. Utentes com médico de família atribuído têm menor probabilidade de serem utilizadores frequentes, enquanto que utentes isentos têm uma maior probabilidade. Por outro lado, dos utentes que foram identificados como frequentes em 2014 e que regressaram a um SU em 2015, entre 30 a 45% tiveram novamente um comportamento frequente.

O presente trabalho permitiu conhecer o perfil de um utilizador frequente dos SU, evidenciando características que o associam a um grupo vulnerável e com maior tendência para sofrer de doenças. Por outro lado, mostrou que a persistência de ser utilizador frequente em dois anos consecutivos é baixa, o que dificulta a identificação deste grupo de utentes de um ano para o outro.

Palavras-chave: serviços de urgência, utilizadores frequentes, sobrelotação, padrão de utilização

XI

Abstract

Portuguese Emergency Departments (ED) are faced with the challenges of overcrowding and waiting times on a daily basis. The very high number of ED visits often results in excessive resource consumption, decreased quality of care and efficiency.

To understand what causes this disproportionately, there is a need to identify and create a profile of the patients who frequently use the ED, in order to clarify the impact of a number of factors in this problem.

This study uses a patient database covering all hospital admissions in Portugal in 2014 and 2015. We determined the proportion of emergency department users that make 4 or more visits in the same year, and the 5, 10 and 20% of the higher users. A probit model will be estimated not only to evaluate the importance of different factors, such as having a family doctor and/or chronic diseases, in the number of ED visits, but also to predict if a high user in 2014 will be a high user in the next year.

Results show that the probability of being a high user increase for women and elderly patients. The fact of having a family doctor decreases this probability, in contrast with the patients who pay for health services. They also show that the high users of 2014, who had the same pattern in 2015 represents between 30 and 45%.

This study allowed to know the frequent users profile, suggesting that they have characteristics of a vulnerable group, more likely to have diseases. On the other hand, it showed that the number of users in the group we defined as high user, in both years, is not considerable, making it difficult to predict this group for the next year.

Keywords: emergency departments, high users, overcrowding, patients profile

XIII

ÍNDICE

Agradecimentos ........................................................................................................................ VII

Resumo ....................................................................................................................................... IX

Abstract ...................................................................................................................................... XI

Lista de Figuras ........................................................................................................................ XV

Lista de Tabelas .................................................................................................................... XVII

Lista de Abreviaturas ............................................................................................................ XIX

Introdução .................................................................................................................................... 1 1.1 Revisão da literatura .................................................................................................... 3

Enquadramento Teórico ............................................................................................................. 7 2.1 Serviço Nacional de Saúde .......................................................................................... 7 2.2 Serviços de Urgência .................................................................................................... 9

2.2.1 Sistema de Triagem de Manchester ..................................................................... 10 2.2.2 Utilização dos Serviços de Urgência ................................................................... 11

Metodologia ................................................................................................................................ 13 3.1 Base de Dados ............................................................................................................. 13

3.1.1 Descrição das variáveis em estudo ...................................................................... 14 3.2 Modelo Probit ............................................................................................................. 16

Discussão de Resultados ............................................................................................................ 17 4.1 Estatística Descritiva ................................................................................................. 17 4.2 Modelo Multivariado ................................................................................................. 22

Conclusão .................................................................................................................................... 37

Referências Bibliográficas ......................................................................................................... 41

Anexo ........................................................................................................................................... 45

XV

LISTA DE FIGURAS

Ilustração 1 Ordem de prioridades do Sistema de Manchester e respetivas cores. Fonte: CHLO.............................................................................................................................................. 10

Ilustração 2 Curva de concentração de urgências geradas em 2014, em função da percentagem de utentes ordenados por grupos de utilização. ................................................................... 18

Ilustração 3 Curva de concentração de urgências geradas em 2015, em função da percentagem de utentes ordenados por grupos de utilização. ................................................................... 19

XVII

LISTA DE TABELAS

Tabela 1 Descrição das variáveis presentes na base de dados fornecida. .................................... 14

Tabela 2 Distribuição do número de utentes por grupos de utilização e respectivas percentagens de urgências geradas. ........................................................................................................... 18

Tabela 3 Distribuição do número de utentes por características e respetivas percentagens de urgências geradas. ................................................................................................................ 20

Tabela 4 Parâmetros estatísticos associados à variável idade. ..................................................... 20

Tabela 5 Distribuição dos utentes por faixa etária e respetivas percentagens de urgências geradas. ................................................................................................................................ 20

Tabela 6 Distribuição dos utentes por ARS e respetivas percentagens de urgências geradas. .... 21

Tabela 7 Distribuição dos utentes segundo os problemas de saúde considerados e respetivas percentagens de urgências geradas ...................................................................................... 21

Tabela 8 Matriz identificadora de utentes frequentes em 2014 e 2015, para os 5% maiores utilizadores. .......................................................................................................................... 22



Tabela 11 Matriz identificadora de utentes frequentes em 2014 e 2015, para os utentes que visitaram uma urgência, no mínimo 4 vezes no mesmo ano. .............................................. 23

Tabela 12 Valores em pontos percentuais do impacto do género e de cada faixa etária, na probabilidade de um utente estar entre os 5, 10, 20% maiores utilizadores e os que se deslocam 4 ou mais vezes a um SU, no mesmo ano. ........................................................... 24

Tabela 13 Valores em pontos percentuais do impacto de um utente ser frequente em 2014, ter médico de família atribuído ou estar isento de taxas moderadoras, na probabilidade de um utente estar entre os 5, 10, 20% maiores utilizadores e os que se deslocam 4 ou mais vezes a um SU, no mesmo ano. ..................................................................................................... 24

Tabela 14 Valores em pontos percentuais do impacto, por ARS, na probabilidade de um utente estar entre os 5, 10, 20% maiores utilizadores e os que se deslocam 4 ou mais vezes a um SU, no mesmo ano. .............................................................................................................. 25

Tabela 15 Valores em pontos percentuais do impacto de cada problema de saúde, na probabilidade de um utente estar entre os 5, 10, 20% maiores utilizadores, os que se deslocam 4 ou mais vezes a um SU, no mesmo ano. ........................................................... 25

XVIII

Tabela 16 Valores em pontos percentuais do impacto de um utente, com mais de 65 anos e com determinado problema de saúde, na probabilidade de um utente estar entre os 5, 10, 20% maiores utilizadores e os que se deslocam 4 ou mais vezes a um SU, no mesmo ano. ....... 28

Tabela 17 Valores em pontos percentuais do impacto de um utente, com mais de 80 anos e com determinado problema de saúde, na probabilidade de um utente estar entre os 5, 10, 20% maiores utilizadores e os que se deslocam 4 ou mais vezes a um SU, no mesmo ano. ....... 29

Tabela 18 Valores em pontos percentuais do impacto de um utente, com médico de família atribuído e com determinado problema de saúde, na probabilidade de um utente estar entre os 5, 10, 20% maiores utilizadores e os que se deslocam 4 ou mais vezes a um SU, no mesmo ano. .......................................................................................................................... 30

Tabela 19 Valores em pontos percentuais do impacto de um utente, com dois dos problemas de saúde considerados, na probabilidade de um utente estar entre os 5% maiores utilizadores............................................................................................................................................... 32



Tabela 22 Valores em pontos percentuais do impacto de um utente, com dois dos problemas de saúde considerados, na probabilidade de um utente estar entre os se deslocam 4 ou mais vezes a um SU, no mesmo ano. ........................................................................................... 34

Tabela 23 Características inerentes aos utentes com maior persistência de ser frequente em 2014 e 2015, para os 10% maiores utilizadores. ........................................................................... 35

Tabela 24 Características inerentes aos utentes com maior persistência de ser frequente em 2014 e 2015, para os 20% maiores utilizadores. ........................................................................... 35

Tabela 25 Características inerentes aos utentes com maior persistência de ser frequente em 2014 e 2015, para os utentes que visitaram uma urgência, no mínimo 4 vezes no mesmo ano. .. 36

XIX

LISTA DE ABREVIATURAS

ACSS – Administração Central do Sistema de Saúde

ARS – Administração Regional de Saúde

CHLO – Centro Hospitalar Lisboa Ocidental

DGS – Direção Geral de Saúde

DPOC – Doença Pulmonar Obstrutiva Crónica

HTA – Hipertensão Arterial

OMS – Organização Mundial de Saúde

OPSS – Observatório Português dos Sistemas de Saúde

SNS – Serviço Nacional de Saúde

SU – Serviço de Urgência

1

Introdução

Após o aparecimento dos primeiros cuidados de saúde, a população começou a ter uma outra perspetiva sobre a sua saúde. A evolução e o investimento na saúde permitiram criar novas técnicas e adquirir equipamentos cada vez mais sofisticados. Com o passar do tempo, garantir um bom estado de saúde tornou-se, progressivamente, uma das principais preocupações dos cidadãos, a nível geral.

Em Portugal, o direito à proteção da saúde está previsto no artigo 64.º da Constituição da República Portuguesa, desde o ano de 1976. Este direito é assegurado através do Serviço Nacional de Saúde (SNS), descrito como universal, geral e tendencialmente gratuito.

O SNS não só é composto por todas as entidades e serviços públicos que prestam cuidados, desde os agrupamentos de centros de saúde e unidades locais aos centros hospitalares, como também é responsável pela promoção da saúde, diagnóstico, tratamento e reabilitação médica. No entanto, tem-se verificado uma forte desigualdade nos cuidados de saúde prestados em Portugal.

As questões dos tempos de espera, má gestão e superlotação dos serviços de urgência são regularmente noticiadas pelos meios de comunicação social. Durante a estação fria, o tema das urgências faz manchetes diariamente, como “Ninguém bate os portugueses nas idas às urgências” (Expresso, 2015) ou ainda “Urgências não têm falta de médicos mas falta de organização” (Jornal de Notícias, 2016). Neste período, a ocorrência de epidemias, nomeadamente da gripe, é elevada levando muitas pessoas a deslocarem-se às urgências.

Esta propensão para recorrer aos serviços de urgência, em detrimento dos restantes serviços de saúde, gera várias consequências, de entre as quais a redução da eficiência e da qualidade do atendimento prestado. De facto, o Estado tem o dever de assegurar “adequados padrões de eficiência e de qualidade nas instituições de saúde”, segundo o artigo 64.º da Constituição. Contudo, a utilização e gestão destes serviços deverá ser feita de forma consciente e equilibrada, tanto pelos cidadãos como pelo Estado, respetivamente.

1

Cap

ítulo

2

Segundo Campos (2014), o recurso às urgências é superior ao desejado mesmo comparado com outros países europeus, como Inglaterra. Com base nos dados do ano de 2012, em Portugal existiram 696 admissões na urgência por 1000 habitantes, enquanto que em Inglaterra registaram-se aproximadamente metade, 345 admissões por 1000 habitantes. Verificou-se ainda que, não só o número de admissões seria relevante para avaliar este flagelo, mas também a percentagem de episódios não urgentes, que no primeiro semestre de 2014, registou o valor de 41,8%.

Deste modo, é fundamental realizar a identificação e a análise posterior dos fatores que conduzem à elevada afluência de portugueses nas urgências, tal como das suas consequências. É igualmente importante conhecer o perfil de um utilizador frequente, de forma a criar medidas que atuem diretamente neste mesmo perfil.

Elevados tempos de espera? Utentes que acabam por falecer antes de serem atendidos? Falta de qualidade dos serviços? É urgente perceber o porquê destas situações se verificarem num país considerado desenvolvido. É ainda mais urgente criar soluções e medidas que se estendam para além do papel e da promessa de que um dia serão aplicadas.

Assim sendo, o objetivo do presente trabalho consiste em caracterizar a população de utentes que se desloca frequentemente aos serviços de urgência. Pretende-se avaliar qual o impacto que esta utilização excessiva tem no desempenho das urgências hospitalares e, posteriormente, perceber se este grupo de utentes gera um padrão de utilização passível de ser acompanhado e direcionado para um atendimento personalizado. A intenção destas conclusões seria procurar soluções para não só manter o equilíbrio do SNS, como também otimizar os serviços prestadores de cuidados.

Este trabalho inicia-se com uma breve descrição de conceitos fundamentais que proporcionam uma visão geral do SNS desde a sua criação até à atualidade. Para além desta visão, o capítulo teórico descreve ainda os serviços de urgência, abordando a questão da sobreutilização dos mesmos. O capítulo seguinte é constituído pela descrição dos dados, identificação das variáveis e pela apresentação dos resultados obtidos com a respetiva discussão. Através da base de dados fornecida, considerou-se a população que foi admitida em qualquer um dos serviços de urgência de Norte a Sul do país e os seus respetivos dados administrativos. A partir destes, quantificaram-se as características individuais, económicas e clínicas dos utentes que são considerados como frequentes e apresentou-se a estatística descritiva. Após a mesma foi possível desencadear a análise, das variáveis criadas, com o modelo econométrico escolhido, o modelo probit. Esta metodologia permite não só conhecer as características que têm maior e menor influência na utilização frequente dos SU, como o seu impacto na probabilidade de um utente ser considerado como frequente, segundo os grupos de utilização criados. Por fim, elaborou-se um capítulo onde se expõem as conclusões inerentes ao trabalho.

A realização das etapas descritas anteriormente, segundo os parâmetros previamente definidos, procuram responder às seguintes questões que desencadearam todo o trabalho de investigação:

• Qual o perfil dos utentes frequentes dos serviços de urgência? • Com base no perfil dos utentes, é possível prever a utilização frequente de um

ano para o outro?

3

1.1 REVISÃO DA LITERATURA

O Relatório da Primavera (OPSS, 2016) afirma que as desigualdades em saúde podem estar relacionadas com a crise que o país atravessa, mas estão sobretudo relacionadas com fatores socioeconómicos, como a diferença de rendimentos da população ou o nível de escolaridade, criando assim injustiça social.

Segundo este mesmo relatório, uma pessoa com menor nível de educação tem uma maior propensão para ter má saúde comparativamente com uma pessoa que tenha mais formação. O risco de doença crónica é também superior, tendência que contrasta com o que se observa no resto da Europa. Para além destes factos, a questão do nível de educação tem também influência na utilização dos cuidados de saúde. A utilização de cuidados aumenta com o nível de formação, embora a utilização dos cuidados de saúde primários diminua. Esta desigualdade mostra que a distribuição dos cuidados de saúde especializados favorece a população com maior escolaridade. Este documento realça ainda a importância do tema da sustentabilidade do SNS, através da exposição das desigualdades sociais e da consequente diminuição da qualidade dos serviços de saúde.

Para além do relatório anterior, que expõe um desequilíbrio e uma clara desigualdade no que diz respeito à saúde e ao acesso aos cuidados, têm surgido outros estudos que referem o facto da utilização dos serviços de saúde, por parte dos cidadãos, ser superior ao que se considera como aceitável. Assim, é essencial perceber a partir de que momento é que um utente é considerado como frequente e qual o impacto destes utentes nos SU.

Krieg et al. (2016) considerou como frequentes os utentes que recorreram a uma urgência hospitalar 4 ou mais vezes num período de 12 meses, sendo esta a definição mais recorrente. O objetivo deste estudo consistiu em, através de uma análise sistemática de outros trabalhos, identificar os fatores que permitem prever este grupo de utentes que não só representa elevados custos para o sistema de saúde, como também contribui para a sobrelotação dos SU. No fim da análise concluiu que, em geral, os utentes frequentes dos SU pertencem a níveis socioeconómicos baixos e têm condições físicas e mentais reduzidas. Grande parte destes utentes sofrem de doenças crónicas, como asma, DPOC ou diabetes, que associadas aos problemas sociais aumentam a complexidade das suas necessidades. Os autores afirmaram ainda que devem ser criadas novas estratégias, tendo em conta todos estes fatores, de forma a providenciar os cuidados adequados a estes indivíduos.

Um outro estudo pretende sintetizar e comparar as características dos utentes frequentes entre os sistemas de saúde internacionais. Os sistemas considerados neste estudo foram o Serviço Nacional de Saúde, como existe em Portugal, o Sistema de Seguro Nacional de Saúde, no caso do Canadá, o Sistema de Seguro Social, como acontece na Alemanha, e o Sistema de Saúde Privado, como existe nos Estados Unidos da América. Utilizando também uma análise sistemática, este trabalho concluiu que, independentemente do tipo de sistema de saúde, as características de um utilizador frequente são muito idênticas, nomeadamente serem utentes mais velhos, mulheres e que sofrem de doenças mentais. Uma outra conclusão importante, uma vez que diz respeito ao sistema de saúde praticado em Portugal, é o facto de utentes com histórico de internamento e que utilizam frequentemente os cuidados de saúde primários estarem associados a um comportamento frequente nos SU. (Soril et al., 2016)

4

No entanto, esta tendência para uma utilização frequente não se observa apenas nos serviços de urgência. Hansagi et al. (2000), analisou a frequência da utilização dos SU em comparação com a utilização de outros serviços de saúde, pelos utilizadores frequentes, através de uma base de dados que cobria todas as admissões nos cuidados de saúde de Estocolmo e da Suécia. Através de um modelo de regressão logística multivariada, concluiu que uma pequena quantidade de utentes é responsável por uma quantidade considerável de admissões nos SU, isto é, 4% dos utentes das urgências são considerados frequentes e estes geram 18% das admissões hospitalares. Este estudo concluiu ainda que os utilizadores que se deslocam frequentemente às urgências, fazem-no também frequentemente noutros serviços de saúde, assumindo-se o facto de sofrerem mais doenças que os restantes utilizadores. Contudo, em 2014, a Deco realizou um estudo onde constatou que metade dos portugueses recorreram às urgências hospitalares porque não conseguiram ser atendidos no centro de saúde, o que demonstra uma possível lacuna no acesso aos cuidados de saúde primários em Portugal.

Van den Heede e Van de Voorde (2016), estudaram as políticas aplicadas e a sua eficiência na redução da utilização dos serviços de urgência. As políticas consideradas foram: aplicação de taxas moderadoras, destacar os cuidados de saúde primários, oferecer diferentes cuidados pré-hospitalares (incluindo triagem telefónica), coordenação, formação e suporte para auto-gestão e barreiras no acesso às urgências. Apesar da maior parte dos trabalhos, onde foram aplicadas estas políticas, apresentarem uma diminuição na utilização das urgências, este estudo revelou resultados contraditórios. Observou-se que os estudos realizados não são ainda suficientes para avaliar esta situação e que é necessário considerar um grupo mais homogéneo, onde a medida aplicada é claramente descrita, de forma a compreender-se qual a intervenção mais eficiente e como esta deve ser desenhada. A aplicação de políticas de saúde é extremamente complexa requerendo não uma única medida, mas uma integração de várias, adaptadas ao contexto e ao sistema de saúde do país em questão. No entanto, constatou-se que, no caso dos utentes que se deslocam às urgências devido a situações não urgentes, a medida mais eficaz será a criação de serviços de clínica geral em simultâneo com os serviços de urgência e a organização de um sistema de triagem telefónica. Relativamente aos hiperutilizadores, é aconselhado um investimento num processo de gestão de caso com o objetivo de prevenir este tipo de utilização desadequada (Van den Heede, Van de Voorde, 2016).

O Serviço Nacional de Saúde, ao longo dos tempos, tem-se dedicado a esta problemática através de comissões de avaliação e de algumas reformas implementadas no sistema de saúde. O objetivo é identificar claramente os problemas e propor possíveis soluções. Posteriormente, são ainda avaliados os resultados destas soluções confirmando, ou não, a sua eficácia.

Em 2001, a Rede de Referenciação Hospitalar de Urgência/Emergência já abordava o facto das intervenções anteriores, na organização da estrutura dos SU, não resolverem as questões problemáticas. Este documento sugeriu que a abordagem, à situação da utilização excessiva, fosse realizada em várias frentes (DGS, 2001).

O Relatório do Grupo Técnico para a Reforma Hospitalar surge posteriormente prevendo algumas medidas que poderão melhorar a eficiência e a qualidade das urgências hospitalares. São descritas medidas como a emissão de uma fatura proforma1, estimular a utilização da rede Saúde24 e preparar os centros de saúde de forma a atenderem os casos não urgentes que se dirigem aos hospitais (Grupo Técnico para a Reforma Hospitalar, 2011). No caso particular da fatura 1 Fatura que descrimina o custo do atendimento a cargo do utente (taxa moderadora) e do Estado

5

proforma, o seu intuito estaria relacionado com a sensibilização dos utentes para os custos associados à utilização dos SU, já que esta tem consequências na sustentabilidade financeira do sistema de saúde. Todavia, Barros et al. (2015) após estudarem o impacto desta medida, concluíram que em vez de gerar uma diminuição no padrão de utilização destes serviços, como seria de esperar, gerou um aumento.

Uma revisão da literatura permitiu ainda analisar o Roteiro de Intervenção em Cuidados de Emergência e Urgência do Plano Nacional de Saúde, que faz não só referência à evolução do número de admissões dos SU, expondo e comparando as taxas de utilização, mas também sugere algumas estratégias que deveriam ser implementadas. São exemplos: campanhas de educação dos cidadãos que incidam sobre a boa utilização dos serviços, promoção da linha Saúde24, melhor aproveitamento dos hospitais de dia, possibilidade de os médicos dos centros de saúde poderem ver um doente em menos de 12 horas e programas de gestão integrada dos doentes hiperutilizadores das urgências (Campos, 2014).

7

Enquadramento Teórico

2.1 SERVIÇO NACIONAL DE SAÚDE

Atualmente, é inúmera a literatura que atribui várias definições para o conceito de Saúde. No entanto, todas têm como base a definição da Organização Mundial de Saúde (OMS) “um estado de completo bem-estar físico, mental e social, e não apenas a ausência de doenças” datada de 1948. Sartorius (2006), descreve ainda três outras definições, tais como a inexistência de qualquer doença ou dano, a capacidade de um individuo lidar adequadamente com as exigências do dia-a-dia e como um estado de equilíbrio, não só do o individuo com ele próprio, como também deste com o meio físico e social que o envolve. Apesar das diferentes interpretações, todos os indivíduos têm em comum o desejo de preservar a sua saúde e, caso esta seja afetada negativamente, a necessidade de recorrer a um especialista da saúde.

Através de um sistema de saúde é possível proporcionar os cuidados de saúde necessários a uma determinada população. Estes cuidados, apesar de dependerem do país, são considerados como resultado da combinação e inter-relação de recursos técnicos e humanos, organização, mecanismos de financiamento e gestão. Este tipo de sistema é visto como um sistema adaptativo, uma vez que é alvo de frequentes transformações e ajustes devido à constante evolução do país e das tecnologias (World Bank, 2007). Ainda assim, e apesar do longo caminho percorrido até aos dias de hoje, mais de um bilião de pessoas não têm acesso aos cuidados de saúde que necessitam (OMS, s.d.).

O Serviço Nacional de Saúde foi criado em 1979 pelo Decreto-Lei nº 56/79, de 15 de Setembro, com objetivo de assegurar todas as componentes que afetam a saúde - promoção, prevenção, diagnóstico e tratamento - através da integração de uma rede de cuidados de saúde, acessível a toda a população. Este serviço tem sido alvo de uma continua reorganização desencadeada por agentes políticos, económicos, sociais e religiosos de cada época (SNS, 2016).

2

Cap

ítulo

8

O facto do SNS ter sido criado apenas na década de 70, não invalida a existência de prestadores de cuidados de saúde anteriores a essa data. Todavia, a situação sanitária era grave e a necessidade da intervenção do Estado era bastante elevada. Até 1945, este apenas fornecia assistência aos mais desfavorecidos, sendo a restante da responsabilidade das famílias. Nesse mesmo ano, a saúde materna, os cuidados dos doentes infeciosos e a assistência aos funcionários públicos passaram também a ser garantidos pelo Estado (SNS, 2016).

Os serviços de saúde, até à data da revolução de 1974, estavam distribuídos por misericórdias (responsáveis por grande parte dos serviços, incluindo alguns hospitais), serviços médico-sociais, serviços de saúde pública, hospitais estatais gerais e especializados e por os serviços privados. Segundo Baganha et al. (2002), foi nesta época que se iniciaram as grandes reformas do sistema de saúde, concomitantemente com os desenvolvimentos noutras vertentes do país. Em 1971, o Decreto-Lei nº 413/71, de 27 de Setembro, declarou a estruturação do Ministério da Saúde e Assistência, capaz de articular a saúde e assistência social e ainda efetivar uma política de saúde, garantido assim o direito à saúde a todos os cidadãos (SNS, 2016).

Apesar da progressiva responsabilização do Estado pela área da saúde, marcada também pela transição de todos os serviços de saúde públicos para a alçada do Estado, a organização e evolução do SNS foi conturbada. Baganha et al. (2002) referem que, no decorrer do processo de formação, o SNS traduziu-se “numa frágil base financeira e numa ausência de inovação nos modelos de organização e gestão do SNS; numa falta de transparência entre os interesses públicos e privados; numa dificuldade de acesso e numa baixa eficiência dos serviços públicos de saúde” (apud OPSS, 2001).

Não obstante, os principais indicadores do estado de saúde de uma população evidenciavam uma progressiva transformação. Portugal registou um elevado decréscimo nos níveis de mortalidade infantil (de 37,9 óbitos por cada 1 000 nascimentos em 1974, passou para 11 óbitos por cada 1 000 nascimentos em 1990), um aumento na esperança média de vida (68,9 anos em 1975, passou para 73,8 anos em 1990) e uma percentagem de quase 100% da população com acesso aos cuidados de saúde entre 1974 e 1978. Verificou-se ainda um maior investimento no sector da saúde, ao serem gastos 6,5% do PIB em 1990 comparativamente com os 4,1% de 1974 (nesses anos a média europeia era de 7,4% e 5,7%, respetivamente) (Baganha et al., 2002)

É ainda necessário realçar outros marcos positivos da história do SNS. Em 1982, foram criadas as Administrações Regionais de Saúde (ARS), com o objetivo de otimizar o sistema consoante as necessidades de cada região. Posteriormente, em 1990, é aprovada a Lei de Bases da Saúde2 e o Estatuto do Serviço Nacional de Saúde3. Esta primeira surge com o intuito de enfatizar a responsabilidade conjunta dos cidadãos, da sociedade e do Estado no que diz respeito à liberdade de procura e de prestação de cuidados. Estes cuidados passam assim a ser prestados através de serviços próprios do Estado (serviços públicos) ou entidades privadas, sob a cobrança de taxas moderadoras, segundo um modelo de sistema de saúde misto. (SNS, 2016; Baganha et al., 2002).

Atualmente, o SNS envolve todas as instituições e serviços oficiais prestadores de cuidados de saúde dependentes do Ministério da Saúde, tais como os agrupamentos de centros de saúde,

2 Lei nº 48/90, de 24 de Agosto 3 Lei nº 22/93, de 15 de Janeiro

9

hospitais e unidades locais de saúde. A sua estrutura é organizada de forma descentralizada, dividindo-se em várias regiões de saúde que promovem o contacto entre cada uma delas e o Ministério. A cada uma destas regiões é atribuída uma Administração Regional de Saúde “dotada de personalidade jurídica, autonomia administrativa, financeira e patrimonial. Tem por missão garantir à população da respetiva área geográfica de intervenção o acesso à prestação de cuidados de saúde de qualidade, adequando os recursos disponíveis às necessidades em saúde e cumprir e fazer cumprir o Plano Nacional de Saúde” (ARSLVT, s.d.).

2.2 SERVIÇOS DE URGÊNCIA

Com as crescentes necessidades da população, foi necessário criar um serviço diferenciado, dentro de um hospital4, capaz de responder de forma rápida e eficiente a situações de urgência e emergência. Antes de mais, é necessário definir estes dois conceitos: urgências caracterizam-se por todas as situações clínicas súbitas, desde as não graves até às de gravidade elevada, com risco de falência de funções vitais, por outro lado as emergências são todas as situações clínicas súbitas, em que existe, ou é eminente, o compromisso de uma ou mais funções vitais (DGS, 2001). Segundo a literatura, a definição destes dois conceitos gera, no entanto, alguma controvérsia.

O Serviço de Urgência (SU) é definido, por Costa et al. (2001), como todo o serviço de saúde, equipado para avaliar e tratar de situações de doença recentes e de gravidade tal que o cidadão comum, possuidor de uma cultura média e de conhecimentos mínimos de saúde, entenda necessitar de ser observado por um especialista, em consulta urgente não programada. De forma a assegurar a capacidade de resposta deste serviço, são também exigidos, como requisitos mínimos, recursos técnicos e humanos tais como: médicos, presentes 24h, de cada especialidade (Medicina Interna, Cirurgia Geral, Ortopedia, Anestesia, Pediatria, Ginecologia/Obstetrícia), serviços de Imagiologia, Bloco Operatório, Patologia Clínica, Imunohemoterapia e Unidade de Cuidados Intensivos e dispor de Equipas de Enfermagem, Auxiliares de Ação Médica, Pessoal Administrativo e de Segurança.

Os SU dividem-se em Serviços de Urgência Básica (SUB), Serviços de Urgência Médico-Cirúrgica (SUMC) e Serviços de Urgência Polivalentes (SUP). Estes últimos são os mais abrangentes, apresentam um maior nível de diferenciação dos cuidados, face às situações urgentes e/ou emergentes, e estão localizados nos hospitais centrais (DGS, 2001). Ao longo dos tempos, a rede de urgências e a distribuição destes serviços têm sido alvo de algumas restruturações. A Reforma das Urgências, em 2008, surgiu com o propósito de melhorar a equidade, a segurança, a qualidade e a racionalização dos recursos no atendimento aos doentes urgentes em Portugal. Assim, através do Despacho nº 5414/2008, definiram-se 14 serviços de urgências polivalentes, 30 serviços de urgência médico-cirúrgica e 45 serviços de urgência básica, garantindo com isto que mais de 90% da população demorasse menos de 30 minutos a deslocar-se até qualquer ponto da rede e menos de 45 minutos até um SUMC ou SUP (Campos, 2014).

4 O atendimento urgente, para além de estar localizado nos hospitais, pode estar localizado nos Serviços de Atendimento Permanente (SAP). Contudo, estes serviços não serão referidos neste trabalho uma vez que o seu estudo não faz parte do objetivo.

10

Ainda relativamente à rede de urgências, como medida recente, surge o Despacho nº 10319/2014, de 11 de Agosto, que prevê a integração dos sistemas de urgência pré-hospitalar e hospitalar, dando origem a um Sistema Integrado de Emergência Médica. Este despacho define também padrões mínimos para a estrutura, recursos humanos e indicadores de qualidade, sendo uma base importante para a evolução futura desta rede (Campos, 2014).

2.2.1 Sistema de Triagem de Manchester

Em Portugal, o Sistema de Triagem de Manchester foi adotado em 2000, inicialmente apenas pelo Hospital Fernando da Fonseca e pelo Hospital de Santo António, tendo sido posteriormente alargado para quase toda a rede hospitalar. Este sistema tem como objetivo indicar a prioridade clínica de acordo com os problemas identificados, e não fornecer um diagnóstico. É constituído por 52 fluxogramas que englobam todas as queixas apresentados, por um individuo, quando se desloca a um serviço de urgência (Grupo Português de Triagem, 2015)

O método baseia-se na eleição de um fluxograma, por parte do profissional de saúde, que seja o mais aproximado do sintoma apresentado e, posteriormente, escolher o primeiro discriminador positivo do respetivo fluxograma. Estes discriminadores apresentam-se sob forma de perguntas fechadas e permitem a inclusão dos doentes numa das cinco prioridades clínicas.

Através deste sistema, a ordem de atendimento do paciente é feita com base na gravidade da situação, representada por uma cor, e não pela ordem de chegada. Assim, surge um meio de racionalização dos tempos de espera e de acompanhamento imediato de episódios urgentes e emergentes. Através da figura 1, é possível perceber o que representa cada cor, no contexto de urgência, e os tempos de espera previstos até ser realizado o atendimento (CHLO, s.d.).

O Sistema de Triagem de Manchester engloba ainda, no nível não urgente, a cor branca que diz respeito ao atendimento que poderá ser programado ou encaminhado, para um outro serviço de saúde.

Ilustração 1 Ordem de prioridades do Sistema de Manchester e respetivas cores. Fonte: CHLO

11

2.2.2 Utilização dos Serviços de Urgência

A deslocação aos serviços de urgência, por parte dos cidadãos portugueses, apresenta valores muito semelhantes ao longo dos tempos. Observou-se que, em 2002, o número de admissões nas urgências foi de 6.662.560, em 2012 registaram-se 6.451.512 admissões e em 2015 6.118.365 admissões (Campos, 2014; Benchmarking SNS, 2015).

Todavia, o facto de o recurso às urgências manter uma estabilidade evidente não significa que este é feito de forma adequada. A Monitorização do SNS indica que, a nível nacional, 40,6% das admissões do ano de 2015 referem-se a utentes com prioridade verde, azul ou branca, ou seja, utentes não urgentes. Este valor apresenta ainda uma grande variabilidade regional. Enquanto que ao nível da Administração Regional de Saúde do Centro regista-se, em 2015, uma percentagem de 34%, a ARS de Lisboa e Vale do Tejo regista 47,3% de admissões de utentes não urgentes.

Embora o conceito de urgência se refira a situações que necessitem de ser avaliadas num curto espaço de tempo, através dos dados anteriores, é percetível que grande parte dos utilizadores das urgências, siga um perfil de utilização não condizente com a própria definição do serviço. Quer isto dizer que o recurso às urgências é excessivo e realizado, essencialmente, por utentes não urgentes.

Ainda nos anos 90, no Hospital S. Francisco Xavier, foi posto em prática um modelo direcionado aos doentes com pulseira verde e azul. Este modelo, aplicado aos utentes que não necessitam de exames complementares, permitiu não só diminuir os tempos de espera como criar um atendimento mais adequado e evitar a mistura de casos realmente graves com casos menos urgentes. No entanto, e apesar do sucesso da urgência ambulatória, este modelo fast track não tem sido alargado a outros hospitais (Campos, 2014).

O sistema de saúde português oferece um leque variado de alternativas para além dos SU. Entre eles destacam-se os Cuidados de Saúde Primários e o serviço Saúde24 (Barros et al., 2015). Ainda assim, estes meios parecem não ser eficazes a combater a elevada afluência às urgências. De facto, os Serviços de Urgência, apresentam algumas vantagens que poderão despoletar o fenómeno de overcrowding: estão abertos 24h por dia, têm exames complementares, têm especialistas na hora e possuem uma localização central (Campos, 2014).

É importante distinguir dois perfis de utilização dos serviços de urgência, considerados como inapropriados. Já foram mencionados, neste trabalho, os utentes que recorrem às urgências por episódios não urgentes, mas existem ainda os utentes que se deslocam excessivamente a estes serviços. Estes últimos designam-se por hiperutilizadores e caracterizam-se por recorrer 4 ou mais vezes aos SU, por ano. Na Suíça, os hiperutilizadores representam ente 12 a 28% dos utentes que se deslocam às urgências e são normalmente homens com idades compreendidas entre 40 e 50 anos (Bodenmann et al., 2016). Contudo, o estudo referido anteriormente, explica que este grupo de utilizadores não será inapropriado, uma vez que apresenta mais patologias, nomeadamente dor, doenças crónicas e do foro mental, que os restantes utilizadores.

Por conseguinte, este tipo de utilizadores gera consequências graves para o normal funcionamento das urgências. A elevada afluência conduz ao aumento dos tempos de espera, à falta de espaço físico, à sobrecarga dos próprios profissionais de saúde, diminuição da qualidade do serviço e a um aumento dos custos (Barros et al., 2015)

12

A diminuição da qualidade do serviço será sentida, tanto pelos utilizadores que se deslocam às urgências por necessidade real, como pelos utilizadores inadequados. Estes últimos recebem um atendimento inferior ao esperado devido “à impossibilidade de abordagem global do doente, falsas tranquilizações perante respostas que geralmente são de circunstância, mas que não resolvem o problema, dificuldade no controlo de doenças crónicas, aplicação de paradigmas de abordagem terapêutica próprias de situações agudas a situações crónicas, (…), impossibilidade de construir uma relação funcional médico-doente, dificuldade em abordar o doente com multipatologia” (DGS, 2001).

Assim sendo, torna-se essencial conhecer com algum detalhe o padrão de utilização deste tipo de utentes, de forma a ser possível fornecer uma resposta eficiente, ao nível dos cuidados urgentes, e minimizar o flagelo dos SU a nível nacional.

13

Metodologia

3.1 BASE DE DADOS

Os dados utilizados neste estudo foram fornecidos diretamente pela ACSS e provém de uma base de dados, devidamente anonimizada, que contém parte da informação administrativa dos processos de admissão das urgências. Após a recepção destes foi realizada a transição para o software STATA que efetuou a posterior análise.

De forma a ser possível estudar o padrão de utilização das urgências em Portugal, pelos utilizadores frequentes, e procurar possíveis soluções que combatam esta mesma utilização desapropriada, é necessário ter em conta algumas variáveis.

Considerou-se a população de utentes que se deslocou a qualquer um dos serviços de urgência do país, no ano de 2014 e 2015. Foram recolhidos dados administrativos que incluem idade, género, estatuto de isenção, ter ou não médico de família atribuído, quantidade de episódios de urgência e indicação de ser portador de um conjunto de patologias crónicas. O facto de terem sido utilizados dados nacionais possibilitou uma maior visão sobre algumas variáveis, nomeadamente geográficas, e respectivas interações.

A necessidade de ter em conta estes dados, prende-se com facto de cada umas das características anteriores poder influenciar o número de visitas. Por exemplo, é importante conhecer o estatuto de isenção, uma vez que este é indicativo de situações de doença crónica, gravidez ou baixo rendimento, o que poderá traduzir-se numa maior propensão para um utente se deslocar aos SU.

Pretendeu-se com a análise e tratamento de dados obter a seguinte informação:

• Diferenciação dos 6.117.011 utentes admitidos em todos os SU durante os anos de 2014 e 2015 em grupos de utilização. Através do número total de reincidêncas de cada utente, analisou-se a percentagem da população que visitou as urgências

3

Cap

ítulo

14

4 ou mais vezes no mesmo ano. Por outro lado, seleccionando os 5, 10 e 20% de maiores utilizadores, obteve-se o número de urgências geradas por estes;

• Caracterização destes grupos através da análise da predominância de género, idade e local de residência;

• Relação de afectação de fatores como a atribuição de médico de família, estatuto de isenção e a presença de uma ou mais doenças crónicas.

3.1.1 Descrição das variáveis em estudo

As variáveis pré-existentes na base de dados consideradas neste estudo encontram-se sumarizadas na tabela 1. A partir destas, foi possível criar as restantes variáveis que permitiram realizar toda a análise, nomeadamente as que identificaram cada grupo de utilização.

Tabela 1 Descrição das variáveis presentes na base de dados fornecida.

Variáveis Descrição

Info

rmaç

ão a

dmin

istr

ativ

a

Número sequência utente Número sequencial atribuído a cada utente de forma a anonimizar o número do SNS.

Idade Idade de cada utente no ano do episódio urgente.

Género Género de cada utente. Pode assumir 2 valores:

1 caso seja do sexo feminino; 0 caso seja do sexo masculino.

Médico de Família ativo

Indica se o utente tem ou não médico de família atribuído. Pode assumir 2 valores:

1 caso tenha médico de família; 0 caso não tenha médico de família.

Isento de taxas moderadoras

Indica se o utente é ou não isento de taxas moderadoras. Pode assumir 2 valores:

1 caso esteja isento; 0 caso não esteja isento.

Prob

lem

as d

e sa

úde

Diabetes Indica se o utente tem diabetes. Pode assumir 2 valores:

1 caso seja sim; 0 caso seja não.

Hipertensão arterial

Indica se o utente tem hipertensão arterial. Pode assumir 2 valores:


Neoplasia maligna

Indica se o utente tem neoplasia maligna. Pode assumir 2 valores:


Asma Indica se o utente tem asma. Pode assumir 2 valores:


DPOC Indica se o utente tem DPOC. Pode assumir 2 valores:


15

Depressão Indica se o utente tem depressão. Pode assumir 2 valores:


Ansiedade

Indica se o utente sofre de ansiedade. Pode assumir 2 valores:


Fumador

Indica se o utente é fumador abusivo. Pode assumir 2 valores:


Consumo de álcool

Indica se o utente é consumidor de álcool abusivo. Pode assumir 2 valores:


VIH/SIDA

Indica se o utente tem HIV/SIDA. Pode assumir 2 valores:


AR

S

ARS Norte (ARS01)

Indica se o utente pertence à ARS01. Pode assumir 2 valores:


ARS Centro (ARS02)



ARS Lisboa e Vale do Tejo (ARS03)



ARS Alentejo (ARS04)



ARS Algarve (ARS05)



Epi

sódi

os

urge

ntes

Quantidade por utente Número de vezes que cada utente foi admitido num SU, no período de um ano.

Ano Ano em que cada utente foi admitido nas urgências.

16

3.2 MODELO PROBIT

Para analisar os dados estatísticos, referidos anteriormente, será utilizado um modelo econométrico, mais concretamente o modelo probit. Este modelo parte do pressuposto que tendo um determinado acontecimento, ao qual se associa uma variável aleatória Y, este está relacionado com um conjunto de k outros acontecimentos, cada um dos quais também associados a uma variável aleatória xi, com i=1,2,...,k. De uma forma simplificada, significa que um determinado fenómeno está dependente da ocorrência de outros eventos. Assim, a variável Y é denominada por variável dependente, enquanto que as restantes são denominadas por variáveis independentes ou explicativas.

O modelo probit é indicado para utilizar nesta situação, já que este permite explicar variáveis qualitativas e dicotómicas. Neste caso concreto, pretende-se elucidar o facto de a utilização das urgências ser, ou não, frequente, sendo as duas possibilidades representadas por uma variável dependente de escolha binária {0, 1}. Este modelo tem por base uma função de distribuição normal, à qual está associada a função de densidade de probabilidade, representada por (Oliveira, 1998):

𝐹 𝑥 = Φ 𝑥 = %&'𝑒)

*+,+𝑑𝑡/

)0

Assim, a probabilidade de um utilizador ser frequente, dentro de um determinado grupo de utilização, associada às variáveis apresentadas no ponto anterior, é dada por (2):

𝑃𝑟𝑜𝑏 𝑌 = 1 = 𝐹(𝛽9 + 𝛽%𝑖𝑑𝑎𝑑𝑒 + 𝛽&𝑔é𝑛𝑒𝑟𝑜 + 𝛽@𝑚é𝑑𝑖𝑐𝑜_𝑓𝑎𝑚𝑖𝑙𝑖𝑎_𝑎𝑡𝑖𝑣𝑜 + 𝛽G𝑖𝑠𝑒𝑛𝑡𝑜_𝑡𝑎𝑥𝑎𝑠

+ 𝛽I𝑑𝑖𝑎𝑏𝑒𝑡𝑒𝑠 + 𝛽Jℎ𝑡𝑎 + 𝛽L𝑛𝑒𝑜𝑝𝑙𝑎𝑠𝑖𝑎 + 𝛽N𝑎𝑠𝑚𝑎 + 𝛽O𝑑𝑝𝑜𝑐 + 𝛽%9𝑑𝑒𝑝𝑟𝑒𝑠𝑠ã𝑜

+ 𝛽%%𝑎𝑛𝑠𝑖𝑒𝑑𝑎𝑑𝑒 + 𝛽%&𝑓𝑢𝑚𝑎𝑑𝑜𝑟 + 𝛽%@𝑐𝑜𝑛𝑠𝑢𝑚𝑖𝑑𝑜𝑟_𝑎𝑙𝑐𝑜𝑜𝑙 + 𝛽%G𝑉𝐼𝐻/𝑆𝐼𝐷𝐴

+ 𝛽%I𝐴𝑅𝑆1 + 𝛽%J𝐴𝑅𝑆2 + 𝛽%L𝐴𝑅𝑆3 + 𝛽%N𝐴𝑅𝑆4 + 𝛽%O𝐴𝑅𝑆5)

Para identificar quais das variáveis têm influência, e qual o impacto das mesmas, na probabilidade de os utentes utilizarem os serviços de urgência frequentemente, será utilizado o modelo probit estimado por máxima verosimilhança. O método de máxima verosimilhança é composto por três passos: construção de uma função de verosimilhança, a logaritmização e, posteriormente, a maximização dessa função que irá originar estimadores consistentes e eficientes.5 Apesar dos cálculos deste modelo serem complicados, a análise econométrica será realizada com o auxílio do software STATA, mitigando este problema. Este software reúne inúmeras ferramentas que permitem realizar a maior parte das análises estatísticas e econométricas. A realização deste trabalho permitiu adquirir conhecimentos úteis não só ao nível da metodologia utilizada, como também deste software, uma vez que no decorrer do curso nunca foi utilizado um programa semelhante.

Pretende-se que, através desta análise empírica, não só se consiga selecionar, de entre a população de utentes que utiliza os SU, o grupo que o faz de forma excessiva, como ainda perceber se é possível identifica-los de um ano para o outro e o que caracteriza esse mesmo grupo.

5 Para mais informações acerca desta metodologia, consultar Wooldridge, J. - Introductory Econometrics: A Modern Approach. 4ª ed. USA: South-Western ISBN: 978-0-324-66054-8 . Cap 17 p. 575-579

(2)

(1)

17

Discussão de Resultados

4.1 ESTATÍSTICA DESCRITIVA

Para se conhecer a influência dos diferentes fatores na utilização das urgências, este estudo baseia-se essencialmente nos dados referentes ao ano de 2015. Contudo, para se analisar a possibilidade de prever a utilização frequente de um ano para o outro, é necessário também ter em conta os dados referentes a 2014. Assim, o primeiro passo consiste em conhecer o grupo de utentes, considerado como frequente, dentro da população que se descolou a qualquer urgência hospitalar no ano de 2014 e 2015.

Tendo em conta a definição apresentada anteriormente, considerou-se como utilizador frequente aquele que se deslocou 4 ou mais vezes a uma urgência num período de 12 meses. Neste estudo, para além desta definição, consideram-se os utentes que constituíam os 5, 10 e 20% de maiores utilizadores em cada um dos anos. A identificação destes grupos de utilização foi feita através da variável que contém a quantidade de vezes que cada utente se deslocou a uma urgência hospitalar. Após ordenar esta variável por ordem crescente, selecionaram-se 5, 10 e 20% dos utentes que mais urgências geraram. Relativamente aos utentes que se deslocaram 4 ou mais vezes a um SU, no mesmo ano, criou-se um comando que selecionava os utentes onde esta variável apresentava um valor igual ou superior a 4. Desta forma, a tabela 2 apresenta uma distribuição dos utentes pelos diferentes grupos de utilização, considerada como frequente. Adicionalmente, identificaram-se também os utentes que se deslocaram 10 ou mais vezes a um SU, no mesmo ano. No entanto, como estes utentes apresentam-se num número muito reduzido, não serão considerados já que mesmo que fossem identificados, não teriam grande impacto na gestão global do sistema de urgência. Ao longo deste trabalho será demonstrado como os diferentes fatores individuais, económicos e clínicos influenciam cada um dos grupos abaixo referidos.

4

Cap

ítulo

18

Tabela 2 Distribuição do número de utentes por grupos de utilização e respectivas percentagens de urgências geradas.

Nº utentes % utentes % urgências geradas

2014 2015 2014 2015 2014 2015

Grupo de utentes

5% maiores utilizadores 152.623 153.230 5 5 19,9 19,9



Mínimo de 4 admissões nos SU 384.841 381.599 13 12 36,2 35,9

Mínimo de 10 admissões nos SU 29.112 28.685 0,5 0,5 6,3 6,2

Através da tabela anterior, é possível verificar que 20% dos maiores utilizadores geram quase metade das urgências registadas no ano de 2015. Para além deste grupo, é importante salientar que os utentes que visitaram os SU 4 ou mais vezes nesse mesmo ano, e que correspondem apenas a 12% do total da população, foram responsáveis por 36% das admissões nas urgências. Um outro resultado, facilmente identificável, é o facto de a percentagem de urgências geradas ser semelhante de um ano para o outro. Adicionalmente, verificou-se que aproximadamente 6% das urgências foram geradas por utentes que se deslocaram a uma urgência pelo menos 10 vezes no mesmo ano.

Ilustração 2 Curva de concentração de urgências geradas em 2014, em função da percentagem de utentes ordenados por grupos de utilização.

0

20

40

60

80

100

120

0 20 40 60 80 100 120

% d

e ur

gênc

ias e

m 2

014

% de utentes em 2014

19

Os resultados da tabela 2 permitiram construir os gráficos representados nas ilustrações 2 e 3 para os anos 2014 e 2015, respetivamente. Estes mostram a variação da percentagem de urgências geradas em função dos utentes que constituem cada um dos grupos de utilização. Mais uma vez, através dos dois gráficos é possível verificar que o comportamento foi semelhante para ambos os anos.

Ilustração 3 Curva de concentração de urgências geradas em 2015, em função da percentagem de utentes ordenados por grupos de utilização.

Os resultados anteriores evidenciam a existência de um conjunto de utentes que utiliza as urgências hospitalares de forma excessiva, criando desequilíbrios neste tipo de cuidados de saúde. Neste contexto, torna-se importante analisar de forma detalhada este mesmo conjunto de utentes e perceber quais os fatores associados a esta utilização.

Neste trabalho, realizando um estudo por etapas com crescente grau de complexidade, a utilização dos SU por parte dos utentes frequentes será explicada inicialmente através de uma análise individual das variáveis associadas, de forma a realçar os efeitos de cada uma isoladamente, e posteriormente através da combinação de múltiplas variáveis.

Antes de iniciar a análise univariada, é importante ter uma visão geral das variáveis independentes. Com este objetivo, elaboraram-se as tabelas 3, 4, 5, 6 e 7 contendo a distribuição absoluta e relativa das variáveis consideradas: género, ter ou não médico de família atribuído, estatuto de isenção de taxas moderadores, idade, faixas etárias, ARS e doenças crónicas. Relativamente à variável idade, uma vez que se encontra no formato contínuo, obtiveram-se alguns dos seus parâmetros estatísticos. Adicionalmente, a variável idade foi decomposta em diferentes intervalos, possibilitando a análise do comportamento dos utentes por faixa etária. A respetiva distribuição encontra-se na tabela 5.

0

20

40

60

80

100

120

0 20 40 60 80 100 120

% d

e ur

gênc

ias e

m 2

015

% de utentes em 2015

20

Tabela 3 Distribuição do número de utentes por características e respetivas percentagens de urgências geradas.


2014 2015 2014 2015 2014 2015

Género Mulheres 1.680.952 1.680.645 55,07 54,84 56,1 56,1 Homem 1.371.485 1.383.929 44,93 45,16 43,9 43,9

Médico de Família Atribuído 2.639.248 2.659.108 86,46 86,77 86,4 87,0

Não atribuído 413.189 405.466 13,54 13,23 13,6 13,0

Estatuto de isenção de taxas

moderadoras

Isento 1.757.444 1.867.189 57,58 60,93 64,9 67,7

Não isento 1.294.993 1.197.385 42,42 39,07 35,1 32,3

A tabela 3 mostra que 56% das urgências foram realizadas por mulheres, sendo os restantes 44% da responsabilidade dos homens. Por outro lado, e ao contrário do que seria esperado, 87% das urgências são geradas por utentes que têm médico de família atribuído. No que diz respeito ao estatuto de isenção de taxas moderadoras, tal como seria de esperar, os utentes isentos deslocam-se mais vezes aos serviços de urgência que os utentes não isentos.

Tabela 4 Parâmetros estatísticos associados à variável idade.

Observações Média Desvio Padrão Mínimo Máximo

Idade 2014 3.052.358 41,22 26,15 0 120 2015 3.064.556 41,55 26,20 0 120

Tabela 5 Distribuição dos utentes por faixa etária e respetivas percentagens de urgências geradas.


2014 2015 2014 2015 2014 2015

Faixa etária

0-5 327.293 318.711 10,72 10,4 15,1 14,6 6-18 429.002 434.065 14,05 14,16 12,7 13,0

19-49 1.088.506 1.083.034 35,66 35,34 33,3 33,0 50-64 494.319 500.922 16,19 16,35 14,4 14,5 65-79 455.928 460.222 14,94 15,02 14,9 14,9 +80 257.389 267.620 8,43 8,73 9,6 9,9

Neste estudo, optou-se por dividir a idade nas faixas etárias apresentadas acima, por se considerar que abrange eficazmente todas as possíveis interações com a probabilidade de um utente ser frequente. Após uma análise direta da tabela, verificamos facilmente que os utentes entre os 19 e os 49 anos geram um maior número de urgências. A média de idades, para ambos os anos considerados, é de aproximadamente 41 anos, sendo o desvio padrão de 26 anos.

21

Tabela 6 Distribuição dos utentes por ARS e respetivas percentagens de urgências geradas.


2014 2015 2014 2015 2014 2015

ARS

Norte 1.083.113 1.077.876 35,48 35,17 34,8 34,6 Centro 563.574 568.375 18,46 18,55 18,3 18,5

Lisboa e Vale do Tejo 1.084.788 1.091.691 35,54 35,62 35,4 35,6

Alentejo 181.910 182.860 5,96 5,97 6,5 6,5 Algarve 139.052 143.772 4,56 4,69 5,0 4,9

Uma outra variável igualmente importante para compreender o impacto da utilização frequente é a distribuição dos utentes por ARS. Esta variável permite ter informação a nível geográfico, ou seja, através da tabela 6 podemos verificar que utentes localizados na zona Norte e pertencentes à ARS de Lisboa e Vale do Tejo têm uma maior tendência para utilizar os SU. O contrário é observado na zona do Alentejo e, particularmente no Algarve.

Tabela 7 Distribuição dos utentes segundo os problemas de saúde considerados e respetivas percentagens de urgências geradas


2014 2015 2014 2015 2014 2015 Diabetes 263.932 273.898 8,65 8,24 9,3 9,6

Hipertensão Arterial 683.530 707.436 22,39 23,08 22,7 23,4 Neoplasia Maligna 123.890 135.007 4,06 4,41 4,7 5,0

Asma 84.029 92.797 2,75 3,03 3,1 3,4 DPOC 52.527 58.270 1,72 1,9 2,3 2,5

Depressão 303.733 328.168 9,95 10,71 10,7 11,5 Ansiedade 186.407 204.218 6,11 6,66 6,6 7,1 Fumador 257.661 289.821 8,44 9,46 8,4 9,4

Consumo de Álcool 43.072 48.233 1,41 1,57 1,6 1,8 VIH/SIDA 6.249 6.912 0,2 0,23 0,3 0,3

Intuitivamente, sabe-se que um individuo com problemas de saúde terá maior tendência para utilizar qualquer tipo de cuidados de saúde que um individuo saudável. Desta forma, a tabela 7 apresenta a percentagem de utentes e de urgências geradas para cada um dos problemas de saúde considerados. Nos dados utilizados, a hipertensão arterial é a doença com maior prevalência, gerando assim uma maior percentagem de urgências. Pelo contrário, os indivíduos portadores de VIH/SIDA foram o que menos frequentaram as urgências nos anos considerados.

Após uma visão geral das variáveis independentes e principalmente de se perceber qual o volume de urgências gerado por cada categoria de utente, é possível expor a análise através do modelo probit e os respetivos resultados. Este modelo fará não só uma estimação para os 5, 10 e 20% maiores utilizadores, mas também para os utentes que se deslocam às urgências 4 ou mais vezes no mesmo ano. Tal como referido acima, inicialmente serão apresentados os resultados para cada variável explicativa individualmente.

22

4.2 MODELO MULTIVARIADO

Antes de se analisarem os possíveis fatores que poderão desencadear uma maior utilização dos SU, é importante perceber se é possível prever os utilizadores frequentes de um ano para o outro. Esta previsão ganha especial interesse na medida em que permite, com base nos dados do ano anterior, conhecer os utilizadores que poderão causar desequilíbrios nos cuidados de saúde, nomeadamente nas urgências. O conhecimento prévio deste grupo de utentes permite criar e aplicar medidas que não só melhorem o funcionamento das unidades, com base na experiência passada, como também antecipar possíveis problemas, evitando assim situações extremas ao nível dos SU. Um exemplo simples de uma medida que esta previsão pode gerar será o reforço de recursos materiais e humanos para combater o aumento da utilização num determinado momento.

Tal como já foi referido, para realizarmos este trabalho dividiram-se os utentes em 4 grupos de utilização: 5, 10 e 20% maiores utilizadores e os utentes que se deslocaram 4 ou mais vezes a um SU no mesmo ano. No entanto, os utentes que constituem o grupo dos 5% maiores utilizadores no ano de 2014 poderão não ser os mesmos que fazem parte dos 5% maiores utilizadores de 2015, e o mesmo acontece para os restantes grupos. Através da variável que contém um número sequencial, próprio de cada utente, foi possível selecionar, de entre todos os utentes de 2015, os que foram frequentes em 2014, criando uma nova variável com os indivíduos que foram frequentes em 2014 e que foram readmitidos num SU, em 2015. Após comparar esta nova variável com a variável que diz respeito apenas aos utentes frequentes em 2015, foi possível identificar, ainda que de forma anónima, se determinado utente fez parte de algum dos grupos de utilização frequente em 2014 e/ou 2015. As tabelas 8, 9, 10 e 11 dão uma ideia de quantos dos utentes que eram considerados como frequentes em 2014, foram também em 2015.

Tabela 8 Matriz identificadora de utentes frequentes em 2014 e 2015, para os 5% maiores utilizadores.

5% maiores utilizadores (nº utentes)

2014 Não Sim Total

2015 Não 5.848.007 1.157.74 5.963.781 Sim 116.381 36.849 153.230

Total 5.964.388 152.623* 6.117.011 *77% visitaram um SU em 2015 e destes 31% são também grandes utilizadores em 2015



2014 Não Sim Total

2015 Não 5.586.721 223.832 5.810.553 Sim 225.045 81.413 306.458


23



2014 Não Sim Total

2015 Não 5.079.159 424.936 5.504.095 Sim 427.364 185.552 612.916


Tabela 11 Matriz identificadora de utentes frequentes em 2014 e 2015, para os utentes que visitaram uma urgência, no mínimo 4 vezes no mesmo ano.

Mínimo de 4 admissões num SU no mesmo ano

(nº utentes)

2014

Não Sim Total

2015 Não 5.459.211 276.201 5.735.412 Sim 272.959 108.640 381.599


Através das tabelas acima, podemos facilmente verificar que o número de utentes que mantiveram o mesmo padrão de utilização, de um ano para o outro, é considerável. Em todos os casos, e apesar de não significar que foram novamente frequentes, mais de metade dos utilizadores frequentes de 2014 foram novamente admitidos numa urgência hospitalar em 2015. No primeiro caso, verifica-se que 31% dos utentes que pertencem ao grupo dos 5% maiores utilizadores em 2014, pertencem também em 2015. Por conseguinte, 1,2% dos utentes em 2015 fizeram parte dos 5% maiores utilizadores, nos dois anos considerados. No que diz respeito aos utentes que são admitidos 4 ou mais vezes num SU, no mesmo ano, a tabela 11 mostra que dos 72% dos utentes frequentes em 2014, 40% também o foi em 2015. Este valor está entre os resultados para os 10 e 20% maiores utilizadores, porque os utentes que visitaram uma urgência 4 ou mais vezes no mesmo ano representam 12% da população de 2015. No entanto, e apesar desta visão geral oferecer uma boa contribuição, a questão de conseguir prever o padrão de utilização, de um ano para o outro, não será assim tão simples. Mais adiante, será apresentada uma analise idêntica para grupos de utentes específicos, com o objetivo de perceber se a persistência destes, de um ano para o outro, será maior.

Para além da estatística anterior, que apenas indica em termos quantitativos se um utente é grande utilizador nos dois anos considerados, a aplicação do modelo probit permite explorar também esta questão. Esta metodologia analisa e quantifica a influência de um utente ser frequente, na probabilidade de o ser também no ano seguinte. A aplicação desta ferramenta estende-se ainda a todos os outros fatores, que possam influenciar de alguma forma o utente a praticar uma utilização superior à desejada. As tabelas 12, 13, 14 e 15 apresentam os resultados, obtidos no software STATA, da probabilidade de um utente pertencer a um dos grupos de utilização, estimada pelo modelo probit através destes mesmos fatores, sendo eles as variáveis

24

independentes do modelo. Nestas tabelas é também possível verificar o impacto que estes fatores têm em cada um dos grupos de utilização, ou seja, é possível conhecer qual o contributo de cada variável, individualmente, na probabilidade de um utente fazer parte do respetivo grupo.

Tabela 12 Valores em pontos percentuais do impacto do género e de cada faixa etária, na probabilidade de um utente estar entre os 5, 10, 20% maiores utilizadores e os que se deslocam 4 ou mais vezes a um SU, no mesmo ano.

5% maiores utilizadores



Utentes que foram a um SU 4 ou mais

vezes no mesmo ano Género 0,6 1,3 1,9 1,5

Faix

a et

ária

0-5 2,2 3,8 5,4 4,2

6-18 -2,2 -4,0 -6,7 -4,8

19-49 -0,7 -1,8 -3,9 -2,4

50-64 -2,1 -4,2 -7,4 -5,1

65-79 -1,3 -2,6 -4,8 -3,3

+80 ** ** ** **

**Categoria de referência

Tabela 13 Valores em pontos percentuais do impacto de um utente ser frequente em 2014, ter médico de família atribuído ou estar isento de taxas moderadoras, na probabilidade de um utente estar entre os 5, 10, 20% maiores utilizadores e os que se deslocam 4 ou mais vezes a um SU, no mesmo ano.





vezes no mesmo ano

Respetivo grupo de utilizadores em

2014 21,3 23,5 24,8 24,5

Médico de família atribuído -0,4 -1,0 -1,4 -0,9

Isento de taxas moderadoras 2,9 4,9 7,7 6,0

25

Tabela 14 Valores em pontos percentuais do impacto, por ARS, na probabilidade de um utente estar entre os 5, 10, 20% maiores utilizadores e os que se deslocam 4 ou mais vezes a um SU, no mesmo ano.

5% maiores

utilizadores 10% maiores utilizadores



vezes no mesmo ano

AR

S

Norte -0,8 -1,4 -2,2 -2,0

Centro -0,3 -0,3 -1,0 -1,6 Lisboa e Vale do

Tejo -0,5 0,5 -0,3 -1,6

Alentejo 0,4 0,9 1,4 0,8

Algarve ** ** ** **

**Categoria de referência

Tabela 15 Valores em pontos percentuais do impacto de cada problema de saúde, na probabilidade de um utente estar entre os 5, 10, 20% maiores utilizadores, os que se deslocam 4 ou mais vezes a um SU, no mesmo ano.





vezes no mesmo ano Diabetes 0,7 1,1 1,4 1,2

Hipertensão arterial -0,3 -0,5 -0,6 -0,6

Neoplasia maligna 1,7 3,0 4,4 3,4

Asma 0,9 1,5 2,5 2,0 DPOC 2,6 4,3 6,2 5,0

Depressão 0,8 1,5 2,4 1,7 Ansiedade 0,7 1,1 1,7 1,3 Fumador 0,4 0,8 1,5 1,1

Consumidor de álcool

frequente 2,0 3,1 4,5 3,5

VIH/SIDA 2,3 4,2 6,0 4,6

Antes de se analisarem os resultados da tabela 12, é importante explicar que uma das variáveis é omitida, pelo programa, para permitir que este realize corretamente a estimação do modelo. Tal acontece porque existe uma relação de dependência entre a variável omitida e as restantes. Desta forma, a tabela 12 indica-nos que o facto da variável que diz respeito aos utentes com mais de 80 anos ser omitida, faz com que a análise deva ser feita tendo por base estes utentes. Ou seja, um utente na faixa etária dos 0 aos 5 anos tem maior probabilidade de ser um utente frequente, independentemente do grupo de utilizadores a que pertence, do que um utente com mais de 80 anos. Por outro lado, verifica-se que a probabilidade de ser grande utilizador, entre qualquer uma das faixas etárias dos 6 aos 79 anos, diminui comparativamente com os utentes que têm mais de 80 anos. De entre estas, os utentes entre os 6 e os 18 anos são os que têm menor

26

probabilidade de serem frequentes, reduzindo esta probabilidade em 2,2 pontos percentuais, para o primeiro grupo de utilização. Este resultado é facilmente compreensível uma vez que é uma faixa etária onde a maior parte dos indivíduos tende a ser saudável. Krieg et al. (2016), através de uma revisão sistemática, concluiu que os utentes com mais de 75 anos têm uma maior probabilidade de recorrer frequentemente aos SU, confirmando os resultados obtidos neste trabalho. A questão dos utentes, nos extremos das faixas etárias consideradas, terem uma maior probabilidade pode estar ligada ao facto de serem os grupos mais sensíveis da população, crianças e idosos, respetivamente. Estes grupos, sendo de risco, têm uma maior tendência a necessitar de cuidados de saúde, em particular os idosos que têm probabilidade acrescida de sofrer de doenças crónicas. Mais adiante será possível perceber melhor esta questão, uma vez que será estudada a relação entre ter mais de 65 e 80 anos e sofrer de algum destes problemas de saúde. Contudo, no caso dos menores não se pode atribuir-lhes um comportamento abusivo uma vez que estes não se deslocam a uma urgência por decisão própria. Assim, são os utentes com mais de 80 anos que contribuem para uma maior probabilidade de utilização frequente, embora seja curioso as crianças terem uma maior contribuição para uma utilização frequente, do que a população mais envelhecida.

Ainda relativamente à tabela 12, o resultado da variável género significa que um utente do sexo feminino tem mais probabilidade de ser utente frequente do que um homem, em qualquer um dos grupos em questão. Também Hansagi et al. (2000) já tinham confirmado que, apesar da diferença ser quase insignificante, um utente do sexo feminino tem mais probabilidade de ser frequente que um utente do sexo masculino.

No que diz respeito aos resultados da tabela 13, podemos verificar que a probabilidade de um utente pertencer ao grupo dos 5% maiores utilizadores em 2015 aumenta 21,3 pontos percentuais, se este pertenceu ao mesmo grupo no ano de 2014. A mesma analogia pode ser aplicada aos restantes grupos, sendo que a probabilidade de um utente visitar uma urgência 4 ou mais vezes em 2015 aumenta 24,5 pontos percentuais, se este teve o mesmo comportamento em 2014. Este resultado vem corroborar com os resultados acima demonstrados pelas tabelas 8, 9, 10 e 11. No entanto, estes resultados vêm mostrar que prever os utilizadores frequentes, de um ano para o outro, não é uma tarefa simples. Os resultados de ambas as tabelas permitem perceber que a persistência da utilização frequente é baixa, especialmente quando se pretende identificar, na amostra de utentes que se deslocou a um SU em 2015, qual o volume destes utentes que foram frequentes em 2014 e 2015. Relativamente a ter médico de família atribuído, constatou-se que diminui a probabilidade de um utente ser frequente em 0,4 pontos percentuais, enquanto que estar isento de taxas moderadoras aumenta esta mesmo probabilidade em 2,9, no caso dos 5% maiores utilizadores. A influência negativa, de ter médico de família atribuído, na probabilidade de ser utente frequente é uma evidência de que os utentes estão a ser corretamente acompanhados nos cuidados de saúde primários, diminuindo assim a necessidade de recorrerem a um hospital. No entanto, este resultado tem um valor percentual baixo e contrasta com o resultado da tabela 3, que indica que os utentes com médico de família atribuído geram uma percentagem bastante elevada de urgências. Sobre as taxas moderadoras, estas têm como objetivo controlar a utilização abusiva dos serviços de saúde. No entanto o que se tem verificado é que o aumento das mesmas tem não só controlado a utilização abusiva, como em alguns casos tem também afastado os utentes dos cuidados de saúde. Nos resultados obtidos, observa-se que os utentes isentos aumentam a probabilidade de existir uma utilização abusiva em 2,9 pontos percentuais, não demonstrando a afirmação anterior. Um relatório da OPSS (2013) sobre este assunto afirma que, nos países onde

27

as taxas moderadoras foram eliminadas, não se registou um aumento imediato da utilização dos cuidados de saúde, mas no decorrer do tempo esta utilização acabou por aumentar. Esta observação vem de encontro ao resultado obtido, os utentes isentos acabam por aumentar a utilização das urgências hospitalares. No entanto, é importante relembrar uma questão que não é diretamente captada pelos dados, isto é, para um utente possuir estatuto de isenção significa que, por exemplo, apresenta um grau de incapacidade igual ou superior a 60%, doenças neurológicas degenerativas, infeção por VIH/SIDA, diabetes, cancro, gravidez ou foi transplantado, o que significa que um utente isento pode deslocar-se mais a uma urgência, não por ser um serviço gratuito e facilmente acessível, mas por necessidade real.

A análise da utilização frequente por ARS, permite inferir o tipo de utilização por região do país. Porém, os resultados obtidos são poucos expressivos, e mais uma vez o resultado para ARS do Algarve é omitido devido a colinearidade do modelo. Realizando a mesma analogia que para os utentes com mais de 80 anos, é possível verificar que, em todos os grupos de utilização, os utentes da região do Alentejo estão associados com uma maior probabilidade de utilização frequente do que os utentes da região do Algarve. Para além destes, os utentes da região de Lisboa e Vale do Tejo também contribuem para um aumento da probabilidade comparativamente com os utentes do Algarve, mas apenas no grupo dos 10% maiores utilizadores. Já para as restantes regiões, a probabilidade de um utente pertencer a um dos grupos de utilização frequente é menor do que para um utente do Algarve.

No seguimento da análise efetuada, a tabela 15 apresenta a influência de vários problemas de saúde na probabilidade de um utente ser utilizador frequente. Tal como seria expectável, a maior parte dos problemas apresentados aumenta esta probabilidade. Por outro lado, os utentes que sofrem de hipertensão arterial contribuem negativamente para a probabilidade de serem frequentes, o que pode significar que estes utentes, ao padecerem de uma doença crónica que deve ser acompanhada com regularidade, já estão a ser acompanhados noutros serviços de saúde, nomeadamente centros de saúde ou serviços privados. Uma outra explicação para este resultado pode estar relacionada com o que foi referido anteriormente. Na introdução deste trabalho abordou-se a questão das desigualdades sociais como fator de afastamento dos cuidados de saúde. Escreveu-se ainda que esta questão incidia preferencialmente em pessoas com doenças crónicas. Assim, sendo a hipertensão um exemplo, a desigualdade em pessoas com esta doença, pode ser uma outra razão para terem uma menor probabilidade de utilizar as urgências frequentemente. Existe ainda um outro fator relacionado com indivíduos hipertensos, provavelmente a melhor explicação para este resultado. Segundo Morais (2014), as doenças cardiovasculares são a principal causa de morte em toda a Europa, incluindo Portugal. Sendo a hipertensão arterial uma doença cardiovascular, o seu resultado negativo pode estar relacionado com a taxa de mortalidade da população onde se inserem estes utentes. De entre os problemas de saúde analisados, podemos salientar aqueles que merecem especial atenção, como a doença pulmonar obstrutiva (DPOC) e VIH/SIDA, uma vez que são os que conferem maior probabilidade a um utente de ser frequente. A DPOC, sendo uma doença do foro respiratório, gera por vezes situações agudas que necessitam de ser prontamente resolvidas, daí estes doentes terem maior probabilidade de serem frequentes. Depois dos utentes que sofrem destas doenças, aqueles que são consumidores frequentes de álcool são os que mais aumentam esta probabilidade.

Analisando as tabelas acima, facilmente se verifica que a influência de cada uma das características mantem-se independentemente do grupo de utilização, existindo apenas uma

28

ligeira diferença na magnitude dos valores percentuais, ou seja, no impacto desta na probabilidade de um utente ser frequente. Contudo, e tal como já foi referido, imediatamente percebemos que nenhuma das variáveis tem um contributo significativo no facto de um utente poder fazer parte de qualquer um dos grupos de utilizadores. Tal acontecimento irá acompanhar a restante análise, em particular nas amostras mais pequenas, e pode ser explicado pela elevada quantidade e heterogeneidade das observações. Apesar disto, é possível perceber se determinada característica tem uma influência positiva ou negativa no tipo de utilização dos SU.

Após a análise da influência de cada uma das características individuais na probabilidade de existir uma utilização frequente, será estudado qual o resultado de combinar diferentes variáveis. Foram feitas combinações com variáveis que possam ter algum tipo de relação e que desta forma tenham maior contribuição na utilização abusiva.

Tabela 16 Valores em pontos percentuais do impacto de um utente, com mais de 65 anos e com determinado problema de saúde, na probabilidade de um utente estar entre os 5, 10, 20% maiores utilizadores e os que se deslocam 4 ou mais vezes a um SU, no mesmo ano.




Utentes que foram a um SU, 4 ou mais vezes no

mesmo ano

Ter

mai

s de

65 a

nos e

Diabetes 1,5 2,3 3,3 2,6 Hipertensão

arterial -0,2 -0,03 0,6 0,03


Asma 0,8 1,5 2,5 2,0 DPOC 4,4 6,9 9,7 8,0

Depressão 0,5 1,1 2,0 1,2 Ansiedade 0,5 0,8 1,3 0,9 Fumador -0,3 -0,6 -1,0 -0,8

Consumidor de álcool frequente 1,1 1,2 2,3 1,4

VIH/SIDA 1,9 3,7 4,1 2,6

A primeira combinação de características estudada abrangeu os utentes que tinham simultaneamente mais de 65 anos e qualquer um dos problemas de saúde considerados neste trabalho. Os resultados da influência desta combinação no facto de um utente deslocar-se mais vezes a um SU, apresentados na tabela 16, mostram-se muito semelhantes aos resultados do efeito de cada um dos problemas de saúde individualmente. Apesar de pouco expressivo, esta combinação levou a um aumento do valor percentual no caso da diabetes, neoplasia maligna e DPOC. Este aumento pode ser explicado por serem doenças que com a idade tendem a piorar. No caso da depressão e ansiedade verificou-se uma diminuição do valor percentual comparativamente com a análise individual. As taxas de incidência de episódios de depressão apresentaram, em 2012, uma diminuição a partir dos 55 anos (Rodrigues et al.,2014), o que confirma os resultados obtidos. Importa ainda salientar que, o resultado para os utentes fumadores sofreu uma alteração significativa, quando se tem apenas em consideração os que têm mais de 65 anos. Quando foram analisados os utentes fumadores, estes aumentavam a probabilidade de serem

29

frequentes. Contudo, após esta combinação verifica-se que a probabilidade de existir uma utilização excessiva diminui 0,3 pontos percentuais para utentes fumadores com mais de 65 anos. George (2012), afirmou que 24,3% da população morre antes de perfazer os 70 anos, sendo como uma das principais causas a presença de tumores malignos na traqueia, brônquios e pulmões. Sabendo que este tipo de tumores é consequência do tabagismo, os resultados obtidos revelam que um utente, fumador e com mais de 65 anos, tem uma contribuição negativa na utilização excessiva porque morre prematuramente.

A tabela 16 mostra ainda que a tendência observada para os 5% maiores utilizadores se mantém para os 10 e 20% maiores utilizadores e para os utentes que vão 4 ou mais vezes no mesmo ano a um SU. Existe apenas uma exceção, o caso da hipertensão arterial que, nos dois últimos grupos de utilizadores, aumenta. Esta alteração deve-se apenas ao consequente aumento das amostras consideradas.

Após terem sido analisados os resultados dos utentes com mais 65 anos e com algum dos problemas de saúde, considerou-se importante verificar se o aumento na faixa etária apresentaria alterações significativas nos resultados. Assim, considerou-se a população com mais de 80 anos e que simultaneamente sofriam de algum dos problemas de saúde já estudados.

Tabela 17 Valores em pontos percentuais do impacto de um utente, com mais de 80 anos e com determinado problema de saúde, na probabilidade de um utente estar entre os 5, 10, 20% maiores utilizadores e os que se deslocam 4 ou mais vezes a um SU, no mesmo ano.




Utentes que foram a um SU 4 ou mais vezes no

mesmo ano

Ter

mai

s de

80 a

nos e

Diabetes 1,7 2,7 4,0 3,2 Hipertensão

arterial 0,8 1,9 3,8 2,4


Asma 1,0 2,2 2,9 2,8 DPOC 4,3 6,8 9,9 8,0

Depressão 0,9 1,5 2,6 1,9 Ansiedade 1,1 1,6 2,4 1,9 Fumador 0,1 0,1 0,7 0,1

Consumidor de álcool frequente 1,8 2,6 2,9 2,8

VIH/SIDA 0,8 4,2 7,0 5,1

Pela observação direta da tabela 17 é visível que, comparativamente os com a tabela anterior, existem apenas duas alterações significativas. Se na análise anterior a alteração do sinal na variável, correspondente a mais de 65 anos com hipertensão, verificou-se com o aumento da população, aqui o mesmo já não acontece. Para os utentes com mais de 80 anos e com hipertensão, independentemente do grupo de utilizadores frequentes, a probabilidade da utilização dos SU ser frequente aumenta. Este resultado ganha sentido uma vez que, um utente com mais de 80 anos e com problemas cardíacos é, evidentemente, um paciente de risco, propicio a situações que

30

desencadeiem episódios urgentes. A outra alteração que sobressai é a dos utentes fumadores. Na situação anterior justificou-se o resultado obtido para um utente fumador através da morte prematura. Embora este flagelo seja verdade, não acontece para a maior parte dos utentes fumadores, o que significa que se eles ultrapassam esta questão, serão utentes que com o avançar da idade irão necessitar de cuidados médicos, devido às consequências inerentes ao tabagismo, nomeadamente irão recorrer mais às urgências tal como mostram os resultados obtidos. Relativamente aos valores percentuais, estes não revelaram alterações significativas quando comparados com os valores obtidos para utentes com mais de 65 anos e com os mesmos problemas de saúde.

Quando se pensa na questão da utilização frequente das urgências hospitalares, é intuitivo ligar esta questão a utentes que sofrem de algum tipo de problema de saúde. No seguimento desta questão, e aproveitando os recursos que a base de dados oferecia, considerou-se importante estudar a relação de cada um dos problemas de saúde com outras características. Em cima, apresentaram-se os resultados para a combinação com duas faixas etárias especificas, de seguida será exposto os resultados para a combinação com o facto de o utente ter médico de família atribuído. Desta forma será possível perceber o tipo de utilização, dependendo do problema de saúde, que os utentes com médico de família geram.

Tabela 18 Valores em pontos percentuais do impacto de um utente, com médico de família atribuído e com determinado problema de saúde, na probabilidade de um utente estar entre os 5, 10, 20% maiores utilizadores e os que se deslocam 4 ou mais vezes a um SU, no mesmo ano.




Utentes que foram a um SU 4 ou mais vezes no

mesmo ano

Ter

méd

ico

de fa

míli

a at

ribu

ído

e Diabetes 1,4 2,2 3,0 2,5 Hipertensão

arterial -0,9 -1,2 -1,2 -1,3


Asma 1,3 2,0 3,3 2,6 DPOC 4,2 6,5 9,2 7,6

Depressão 0,9 1,5 2,3 1,7 Ansiedade 0,7 0,9 1,3 1,0 Fumador -0,8 -1,4 -2,1 -1,6

Consumidor de álcool

frequente 1,8 2,4 3,2 2,6

VIH/SIDA 2,8 4,6 6,3 5,0

A tabela 18 ganha especial interesse quando comparada com os resultados obtidos para os problemas de saúde e a questão de ter medico de família individualmente, supondo que o facto de os utentes terem médico de família atribuído significar que são acompanhados nos cuidados de saúde primários. Uma diferença que contrasta com os resultados já obtidos na tabela 15, que sobressai imediatamente é, independentemente do grupo de utilizadores, os utentes fumadores passaram a diminuir a probabilidade de criarem uma utilização frequente. Este resultado mostra

31

que as campanhas de sensibilização e criação de consultas de cessação tabágica, nos cuidados de saúde primários, têm sido importantes também ao nível de controlar a utilização das urgências por este tipo de utentes. Já em 2012, George, conclui que estas mesmas consultas registaram um aumento de 62%, entre 2007 e 2009 (George, 2012). Estes dados confirmam também o que foi anteriormente referido acerca dos utentes com hipertensão. Escreveu-se que estes teriam menos probabilidade de pertencerem a um grupo de utilização frequente, por estarem a ser devidamente acompanhados nos centros de saúde. Tal é comprovado pela relação entre ter médico de família atribuído e sofrer de hipertensão arterial ser negativa, contribuindo para uma menor probabilidade de um utente ser frequente. Por outro lado, comparando os resultados em termos de valores percentuais com os obtidos para os problemas de saúde individualmente, surgem duas situações: qualquer grupo de utilizadores, com médico de família atribuído e com qualquer um dos problemas, exceto ser fumador ou consumidor frequente de álcool, apresenta no geral uma maior probabilidade de ser frequente do que os utentes que pertencem ao mesmo grupo e que apresentam apenas a característica de sofrer de algum dos problemas; os utentes que são consumidores frequentes de álcool e que têm médico de família, apresentam menor probabilidade de serem frequentes do que aqueles que são apenas consumidores de álcool. No entanto, não é possível fazer a comparação entre os valores percentuais dos resultados para cada problema individualmente e os apresentados nas tabelas anteriores, porque as amostras são diferentes, por exemplo o número de utentes com diabetes é superior ao número de utentes com diabetes e médico de família. Tal como já tinha sido citado, Hansagi et al. (2000), concluiu que os utentes que utilizam as urgências hospitalares frequentemente, fazem-no também noutros serviços de saúde, tendo maior predisposição para problemas de saúde. Desta forma, e independentemente dos valores percentuais que são pouco significativos, o facto de a probabilidade de existir uma utilização frequente dos SU, por parte de utentes doentes, aumentar, apesar de terem médico de família atribuído, pode ser explicado por serem também grandes utilizadores dos cuidados de saúde primários. Estes resultados vêm mostrar que, embora um utente com médico de família atribuído diminuiu a probabilidade de ser utente frequente, um utente com médico de família atribuído, mas que sofre também de alguma doença, irá aumentar a probabilidade de sobreutilizar as urgências hospitalares, porque também o faz no centro de saúde.

Até agora, realizou-se análise das combinações entre variáveis tendo em conta um dos problemas de saúde apenas. Uma vez que os resultados obtidos, a nível dos problemas de saúde, têm mostrado uma tendência, estudaram-se os utentes que sofrem simultaneamente de dois dos problemas considerados, novamente para cada um dos grupos de utilização.

32

Tabela 19 Valores em pontos percentuais do impacto de um utente, com dois dos problemas de saúde considerados, na probabilidade de um utente estar entre os 5% maiores utilizadores.

Diabetes HTA Neoplasia Maligna Asma DPOC Depressão Ansiedade Fumador Consumidor de

álcool frequente VIH/SIDA

Diabetes 0,3 2,6 1,5 4,9 1,3 1,1 -0,03 1,2 4,1

HTA 2,2 0,7 4,6 0,6 0,5 -0,9 0,7 2,7

Neoplasia maligna 1,7 5,9 1,5 1,1 1,3 4,4 3,5

Asma 5,0 1,6 1,3 0,2 1,3 6,6

DPOC 3,3 2,5 1,3 2,9 5,3

Depressão 1,5 1,2 3,1 5,6

Ansiedade 1,5 2,9 4,7

Fumador 1,9 3,2

Consumidor de álcool frequente

4,8

VIH/SIDA

Os resultados apresentados na tabela 19, permitem afirmar que, a relação entre dois dos problemas estudados, aumentam a probabilidade de um utente pertencer aos 5% maiores utilizadores, à exceção de um utente que simultaneamente é fumador e tem diabetes ou HTA. Por observação da tabela anterior, podemos ainda perceber que os utentes que mais contribuem para uma utilização excessiva, dentro do grupo dos 5%, são os que sofrem de asma e VIH/SIDA, aumentando a probabilidade em 6,6 pontos percentuais. Por outro lado, os utentes que têm asma e são fumadores são os que menos contribuem para o aumento desta probabilidade, ao contrário do que poderia ser esperado uma vez que o tabagismo pode agravar os problemas respiratórios já existentes, nomeadamente gerar crises asmáticas. Tal como já foi referido, o conjunto de problemas que confere ao utente uma menor probabilidade de recorrer excessivamente a uma urgência, é o que engloba os utentes fumadores e com hipertensão arterial. Os três valores referidos encontram-se assinalados com diferentes cores na tabela 19, sendo a cor laranja para o caso com maior probabilidade, o verde para o com menor probabilidade e o amarelo para os utentes que, apesar de contribuírem positivamente para a probabilidade de serem frequentes, fazem-no de forma menos expressiva.

Combinação com maior contribuição para o aumento da probabilidade de ser utente frequente Combinação com menor contribuição para o aumento da probabilidade de ser utente frequente Combinação com maior contribuição para a diminuição da probabilidade de ser utente frequente

33


Diabetes HTA Neoplasia Maligna Asma DPOC Depressão Ansiedade Fumador


VIH/SIDA

Diabetes 0,7 4,6 2,3 7,4 2,0 1,6 -0,1 1,0 6,6

HTA 3,9 1,3 7,1 1,1 0,8 -1,4 0,8 4,8


Asma 8,8 4,3 4,2 *** *** ***

DPOC 5,7 4,1 2,0 3,6 8,7

Depressão 2,2 2,1 4,8 7,8


Fumador 2,3 4,7


7,9

VIH/SIDA

***Resultados sem significância devido à fraca capacidade de previsão do modelo




VIH/SIDA

Diabetes 1,4 6,6 3,6 10,5 3,3 2,4 -0,5 1,7 5,8

HTA 6,1 2,4 10,0 2,2 1,4 -2,0 1,3 6,4


Asma 10,3 4,8 3,1 0,5 1,9 15,4

DPOC 8,6 5,5 2,5 5,2 9,3

Depressão 3,4 3,0 6,1 10,6


Fumador 3,0 7,5


10,8

VIH/SIDA

34

Tabela 22 Valores em pontos percentuais do impacto de um utente, com dois dos problemas de saúde considerados, na probabilidade de um utente estar entre os se deslocam 4 ou mais vezes a um SU, no mesmo ano.



VIH/SIDA

Diabetes 0,9 5,2 2,8 8,7 2,2 1,7 -0,1 1,2 5,2

HTA 4,6 1,8 8,3 1,4 0,9 -1,7 0,9 4,9


Asma 8,8 3,4 2,0 0,4 2,2 10,6

DPOC 7,1 4,6 2,2 4,1 9,0

Depressão 3,2 3,8 7,5 ***


Fumador 2,4 6,0


9,5

VIH/SIDA

Para os restantes grupos, a tendência observada através do primeiro caso, mantém-se. Em todas as tabelas verifica-se igualmente que os utentes que são fumadores e sofrem de HTA ou diabetes têm uma menor probabilidade de serem utentes frequentes. As únicas diferenças observadas, entre os grupos de utilização, são os utentes que contribuem mais para a probabilidade de utente frequente e os que aumentam esta probabilidade em menor valor percentual. Contudo, estas diferenças são explicadas pela variação das amostras consideradas. No caso dos 20% maiores utilizadores, os utentes com maior probabilidade são os que sofrem de asma e são portadores de VIH/SIDA, em vez dos utentes que têm neoplasia maligna e simultaneamente DPOC, como nos grupos dos 10% maiores utilizadores e dos utentes que foram no mínimo 4 vezes admitidos num SU em 2015. Para além disto, nos resultados obtidos para os 10% maiores utilizadores e para o último grupo de utilização, surgem resultados que não têm interesse, uma vez que o modelo estimado para estes casos tem uma fraca capacidade de previsão, ou seja, o modelo não consegue explicar o padrão observado nestes dados.

Após serem identificados os problemas de saúde, que mais contribuem para uma utilização frequente, e ter sido estudada a combinação destes com outras variáveis, retomando a análise que foi feita acima, pretendeu-se verificar se os grupos de utentes específicos que têm maior probabilidade de serem frequentes teriam também maior persistência de utilização de um ano para o outro. Assim, consideraram-se os utentes, por faixa etária, com ou sem médico de família atribuído, que sofrem de DPOC, VIH/SIDA ou que são consumidores frequentes de álcool, para 3 dos grupos de utilização estudados em 2014 e 2015, tendo-se obtido as tabelas 23, 24 e 25 com os resultados para as 10 amostras com maior persistência:

***Resultados sem significância devido à fraca capacidade de previsão do modelo

35

Tabela 23 Características inerentes aos utentes com maior persistência de ser frequente em 2014 e 2015, para os 10% maiores utilizadores.

Médico de

Família

Problema de Saúde

Faixa etária

Nº de utentes frequentes

em 2014 que visitaram os SU em 2015

Nº de utentes

frequentes em 2014 e

2015

% de utentes frequentes

em 2015 dos que foram frequentes em 2014

% de utentes frequentes em 2014 e

2015 do total de 2015

Não

atr

ibuí

do DPOC

19-49 29 14 48,3 0,0005 50-64 95 47 49,5 0,0020

Consumo de álcool

+80 13 7 53,8 0,0002

VIH/SIDA 6-18 3 2 66,7 0,0001

19-49 84 42 50,0 0,0010 +80 1 1 100,0 0,00003

Atr

ibuí

do DPOC 19-49 398 192 48,2 0,0060

Consumo de álcool

19-49 1574 760 48,3 0,0250

VIH/SIDA 0-5 3 3 100,0 0,0001

50-64 176 93 52,8 0,0030 Característica exclusiva no grupo dos 10% maiores utilizadores

Tabela 24 Características inerentes aos utentes com maior persistência de ser frequente em 2014 e 2015, para os 20% maiores utilizadores.

Médico de

Família

Problema de Saúde

Faixa etária



Nº de utentes


2015





Não

atr

ibuí

do Não tem 0-5 10731 6092 56,8 0,1990

DPOC 50-64 159 94 59,1 0,0031 Consumo de álcool

+80 21 13 61,9 0,0004

VIH/SIDA 6-18 3 3 100,0 0,0001 +80 1 1 100,0 0,00003

Atr

ibuí

do

Não tem 0-5 81476 45321 55,6 1,4789

DPOC 50-64 2319 1238 53,4 0,0404 65-79 4721 2598 55,0 0,0848

Consumo de álcool

19-49 2615 1408 53,8 0,0459

VIH/SIDA 0-5 4 3 75,0 0,0001 Característica exclusiva no grupo dos 20% maiores utilizadores

36

Tabela 25 Características inerentes aos utentes com maior persistência de ser frequente em 2014 e 2015, para os utentes que visitaram uma urgência, no mínimo 4 vezes no mesmo ano.

Médico de

Família

Problema de Saúde

Faixa etária



Nº de utentes


2015





Não

at

ribu

ído

DPOC 50-64 115 58 50,4 0,00190 Consumo de álcool

+80 16 10 62,5 0,00030

VIH/SIDA 6-18 3 2 66,7 0,00007 +80 1 1 100,0 0,00003

Atr

ibuí

do DPOC

19-49 485 249 51,3 0,00810 50-64 1617 812 50,2 0,02650

Consumo de álcool

19-49 1873 942 50,3 0,03070

VIH/SIDA 0-5 3 3 100,0 0,00010

50-64 208 107 51,4 0,00349

As tabelas 23, 24 e 25 evidenciam os principais fatores que levam um utente a ser frequente em dois anos consecutivos, nomeadamente em 2014 e 2015. É possível verificar que estas características são transversais aos grupos de utilização, à exceção daquelas que estão salientadas a laranja e que são exclusivas para o respetivo grupo. Tendo em conta as características que mais aumentam a probabilidade de um utente ser frequente, constatou-se que, apesar da percentagem destes utentes dentro da amostra de 2015 ser muito reduzida, a persistência de ser utente frequente nos dois anos é muito elevada, sendo o caso dos utentes que sofrem de VIH/SIDA o mais evidente. Para além destes, mais de 60% dos utentes que não têm médico de família atribuído, com mais de 80 anos, consumidores frequentes de álcool e que foram frequentes em 2014, foram também frequentes em 2015. Um outro resultado importante foi observado apenas para o grupo dos 20% maiores utilizadores, onde mais de 50% das crianças entre os 0 e os 5 anos com e sem medico de família atribuído e que foram frequentes em 2014, foram também em 2015. Anteriormente referimos que as crianças não seriam consideradas como utilizadores frequentes, no entanto este resultado sugere a existência de dificuldades na obtenção de consultas nos cuidados de saúde primários, tornando os SU num meio alternativo, de fácil acesso e capaz de responder prontamente às preocupações dos pais. Estes resultados, apesar de terem pouca expressão quando observados dentro da amostra de utentes de 2015, permitem identificar claramente quais são os utentes que mantém o padrão de utilização de um ano para o outro. Este conhecimento, para além de complementar os resultados anteriores, reforça o perfil do utente que deverá ser alvo de intervenção e aplicação de políticas específicas. Nesta análise importa ainda esclarecer que para os 10% maiores utilizadores foi excluído um dos resultados, uma vez que dizia respeito a utentes entre os 6 e 18 anos com DPOC, o que não é comum existirem diagnósticos de DPOC em crianças.

37

Conclusão

Conhecendo a realidade atual do país, e tendo diariamente acesso aos relatos da comunicação social, facilmente se percebe que a questão da utilização inadequada dos serviços de urgência está cada vez mais presente nos hospitais portugueses. A crise económica que o país atravessa, a consequente chegada da Troika a Portugal e os cortes orçamentais inerentes, contribuíram para aumentar problemas que até então vinham sendo, de certa forma, ignorados.

Diariamente, os hospitais são confrontados com situações como a falta de recursos materiais e humanos que levam ao empobrecimento da qualidade dos seus serviços e, consequentemente à degradação da prestação de cuidados de saúde. Estas situações, na maioria dos casos, têm não só origem nos cortes orçamentais como também na inexistência ou inadequação das politicas aplicadas ao setor da saúde. Contudo, este flagelo não surgiu apenas de fatores associados ao Estado. A utilização excessiva e/ou inadequada que se tem vindo a verificar nos serviços de urgência, por parte dos utentes, é também umas das causas.

Este trabalho ganha especial interesse no sentido em que se foca num tema importante e atual que é constantemente debatido, procurando identificar, dentro de um conjunto de características, quais as que contribuem para uma utilização frequente dos SU. Neste contexto, e respondendo às questões que impulsionaram este trabalho, finalmente podemos concluir qual é o perfil de um utente, que procura um serviço de urgência mais vezes do que as que são consideradas aceitáveis, e caso exista, qual o seu padrão de utilização. Após a análise dos resultados obtidos, estaremos em posição de indicar se existe, ou não, um grupo de utentes que poderia ser alvo de políticas que permitissem reduzir a sua utilização das urgências hospitalares. Contudo, o objetivo destas políticas não consistiria em limitar o acesso aos SU, mas sim encaminhar estes utentes, com necessidades particulares, para um atendimento especializado, permitindo libertar os SU para situações realmente urgentes.

Pela a análise dos resultados obtidos, na maioria dos casos, chegou-se a conclusões que eram inicialmente expectáveis e que já tinham sido anteriormente confirmadas na revisão bibliográfica, embora tenham também surgido resultados inesperados. Uma outra conclusão que é possível retirar imediatamente, é que a tendência observada, em termos de contribuir positiva ou negativamente para a probabilidade de um utente ser frequente, na maioria dos casos, foi

5

Cap

ítulo

38

transversal ao grupo de utilização estudado, ou seja, aos 5, 10 e 20% maiores utilizadores ou aos utentes que foram admitidos no mínimo 4 vezes num SU, em 2015.

A estatística descritiva mostra que 56% das urgências, em 2015, foram realizadas por mulheres, enquanto que 44% foram realizadas por homens. Este resultado não só corrobora com a literatura revista, como também com o resultado obtido através do modelo probit, uma mulher tem maior probabilidade de ser um utente frequente, independentemente do grupo de utilização a que pertence. Relativamente à analise por faixa etária, constatou-se que os utentes com mais de 80 anos têm uma maior predisposição para serem utentes frequentes, o que faz sentido sabendo que estes utentes fazem parte da população de risco, com maior tendência a sofrerem de doenças. Verificou-se também que as crianças entre os 0 e os 5 anos teriam maior probabilidade de serem utentes frequentes. No entanto, tal como foi referido, não se pode atribuir um comportamento abusivo a este grupo.

Duas variáveis que conferiram efeitos contrários, à probabilidade de um utente ser frequente, foram o facto de o utente ter médico de família atribuído e o de estar isento de taxas moderadoras. Quando analisados individualmente, os utentes com médico de família atribuído têm menor probabilidade de serem utentes frequentes, enquanto que os utentes que estão isentos de taxas moderadoras aumentam a probabilidade de uma utilização abusiva entre 2% a 8%, dependendo do grupo de utilização em que estão inseridos.

Relativamente aos problemas de saúde, todos contribuíram positivamente para a probabilidade de um utente ser frequente, à exceção da hipertensão arterial que apresentou um resultado negativo. A DPOC, o VIH/SIDA e ser consumidor de álcool são os problemas que mais aumentam a probabilidade de existir utilização frequente, sendo estes os doentes que merecem especial atenção.

Termina-se assim, a análise individual das características de cada utente, com as conclusões retiradas da estimação da influência de um utente ser frequente em 2014, na probabilidade de ser novamente frequente em 2015. Através de uma visão geral e quantitativa, verificou-se que aproximadamente 70% dos utentes que tiveram um comportamento frequente em 2014, visitaram uma urgência hospitalar em 2015. Destes, entre 31% a 45%, voltaram a pertencer à amostra de utilizadores frequentes. Para além desta visão, os resultados obtidos através da metodologia adotada, mostraram que o facto de um utilizador ter sido considerado frequente em 2014, aumenta a probabilidade de ser igualmente frequente em 25%, no caso dos 20% maiores utilizadores no ano de 2015. Apesar dos resultados mostrarem que existe uma tendência, os utentes que foram frequentes em 2014 e 2015 representam uma percentagem muito pequena do total de utentes admitidos, num SU, em 2015.

No que diz respeito ao estudo da combinação de variáveis, foram estudadas as interações entre os utentes que apresentavam algum problema de saúde e que tinham mais de 65 anos, mais de 80 anos ou com médico de família atribuído. Por fim, foi ainda estimado o impacto de apresentar duas das doenças em simultâneo.

Os resultados apresentados para as combinações mais de 65 anos e um dos problemas de saúde e mais de 80 anos e um dos mesmos problemas de saúde, foram muito semelhantes, existindo apenas duas situações que, mediante o aumento da idade, mostraram resultados opostos. Em ambas as combinações prevaleceu o aumento da probabilidade de um utente ser frequente tendo simultaneamente mais de 65 anos, ou mais de 80, e um dos problemas de saúde. Os utentes

39

com mais de 65 anos e hipertensão arterial diminuem a probabilidade de serem frequentes, mas quando se consideram os utentes com mais de 80 anos e com a mesma doença, o avanço na idade leva a um aumento da probabilidade destes se deslocarem frequentemente a uma urgência. Já no caso da população fumadora com mais de 65 anos, esta diminui a probabilidade de utilização frequente uma vez que está mais predisposta a uma morte prematura. Por outro lado, os indivíduos fumadores com mais de 80 anos, não fazendo parte da percentagem de população que morre antes de fazer 70 anos, tem uma maior probabilidade de ser um utente frequente.

A nível dos utentes que têm médico de família atribuído e qualquer um dos problemas mencionados, a probabilidade de serem utentes frequentes é menor apenas para os que têm hipertensão ou que são fumadores, devido ao facto de serem dois problemas onde têm incidido diversas campanhas de sensibilização e que se tem verificado uma crescente preocupação não só do SNS, como também de outras organizações da área da saúde. Morais (2014), refere que ao longos dos anos se tem verificado uma diminuição das taxas de mortalidade destas duas doenças, tendo contribuindo para esta mudança algumas medidas como a Lei de Cessação Tabágica, a adoção de hábitos de vida saudáveis, as campanhas e intervenções levadas a cabo por diversas organizações cientificas e profissionais de saúde, e a implementação de programas específicos de acesso a cuidados de saúde diferenciados.

A combinação entre dois dos problemas de saúde abrangidos pela base de dados, não forneceu nenhuma informação adicional àquelas que já tinham sido obtidas pelas estimativas anteriores, nem apresentou uma diferença substancial na magnitude dos valores percentuais. Confirmou-se mais uma vez que a probabilidade de um utente ser frequente, em qualquer um dos níveis de utilização, aumenta quando este apresenta uma ou mais doenças.

Por fim, e uma vez que os resultados obtidos para os utentes que foram frequentes em 2014 e 2015 não foram elevados, após identificarem-se as características que mais contribuem para uma utilização frequente, retomou-se a análise destes utentes, mas tendo em consideração estas mesmas características. Os resultados mostraram que, apesar destes utentes serem muito poucos, a persistência de utilização de um ano para o outro é muito elevada, tendo-se obtido resultados de 100% para utentes portadores de VIH/SIDA. Ainda é prematuro afirmar que é possível prever o padrão de utilização, de um ano para o outro, no entanto estes resultados permitem identificar os grupos com maior persistência. Uma ideia que seria interessante explorar, apesar do grupo de utentes frequentes nos dois anos ser muito pequeno, seria adicionar ao sistema informático dos hospitais uma ferramenta que permita identificar se determinado utente, no momento da admissão no SU, possui as características de um utente frequente. Dada a importância e utilidade desta previsão na criação de medidas preventivas, recomenda-se que sejam realizados mais estudos a este nível.

Resumidamente, podemos afirmar que a probabilidade de um utente utilizar frequentemente uma urgência hospitalar é maior para as mulheres, crianças com menos de 5 anos, indivíduos com mais de 80 anos, utentes isentos de taxas moderadoras, portadores de uma ou mais doenças ou utentes que têm simultaneamente mais de 80 anos e qualquer um dos problemas de saúde considerados. Podemos também afirmar que existem determinados grupos de utentes, que sofrem de DPOC, VIH/SIDA ou que são consumidores de álcool, dentro de algumas faixas etárias e consoante a situação de ter, ou não, médico de família que têm maior tendência para serem utentes frequentes em dois anos consecutivos. Assim, é possível identificar não só o perfil de um utilizador frequente das urgências, como ainda o grupo de utentes, com características

40

específicas, que é frequente nos dois anos considerados. Todavia, uma vez que os valores obtidos não são elevados nem expõem uma clara evidência, não é correto estender estes resultados a outra população de utentes. A heterogeneidade dos dados e a elevada dimensão da base de dados considerada poderá ter sido a causa do enviesamento dos resultados. Uma outra limitação sentida aquando da utilização da base de dados foi não possuir nem o mês, nem a cor do sistema de triagem de Manchester, de cada episódio. O mês permitia obter informações sobre a altura do ano em que se verifica uma maior utilização frequente e os dados da triagem permitiam estudar os utentes que sobrecarregam as urgências hospitalares devido a situações não urgentes. Uma outra variável que permitiria encaminhar este estudo de outra forma, seria ter acesso à razão ou sintoma pelo qual o episódio foi despoletado. Porém, devido ao sistema informático dos hospitais portugueses, tal informação é impossível de ser importada, dos dados administrativos para uma base de dados, por não ser um campo limitado, mas sim descritivo. A dificuldade e a demora do processo de obtenção das autorizações necessárias para o fornecimento da base de dados, podem ser também consideradas como limitações para a realização deste e de estudos futuros.

Ainda que este trabalho não permita generalizar os resultados a outras populações, oferece uma perceção dos utentes que claramente contribuem para uma utilização das urgências superior à desejada. Mediante os resultados obtidos, e aquilo que é fornecido pela literatura existente, facilmente se percebe que a tendência deste tipo de utilização tem origem numa população de risco, mais concretamente em utentes com idades avançadas e com maior prevalência de doenças crónicas. A título de conclusão, com o objetivo de diminuir a utilização dos SU, sugere-se a atribuição de um profissional de saúde, especializado neste grupo de utentes, como uma solução capaz de providenciar a atenção especial que estas pessoas necessitam e aumentar a eficiência das urgências hospitalares.

41

REFERÊNCIAS BIBLIOGRÁFICAS

Administração Regional de Saúde de Lisboa e Vale do Tejo, I.P.. Missão, Visão e Valores. Acedido a 30 de Janeiro de 2017. Disponível em http://www.arslvt.min-saude.pt/pages/19.

Baganha, M., Ribeiro, J., e Pires, S. (2002). O setor da saúde em Portugal: funcionamento do sistema e caracterização sócio-profissional. Faculdade de Economia, Universidade de Coimbra.

Barros, P., Lourenço, A., Silvério, F. e Sousa, J. (2015). Políticas Públicas em Saúde: 2011-2014 Avaliação do Impacto. Nova Healthcare Initiative – Universidade Nova de Lisboa.

Barros, P. (2003). Estilos de vida e estado de saúde: uma estimativa da função de produção de saúde. Revista de Saúde Pública Portuguesa. Vol. Temático 3, 7-17.

Bodenmann, P., Velonaki, VS., Griffin, JL., Baggio, S., Iglesias, K., Moschetti, K., Ruggeri, O., Burnand, B., Wasserfallen, JB., Vu, F., Schupbach, J., Hugli, O., Daeppen, JB. (2016) Case Management may Reduce Emergency Department Frequent use in a Universal Health Coverage System: a Randomized Controlled Trial. Journal of General Internal Medicine.

Campos, Luís. (2014). Roteiro de Intervenção em Cuidados de Emergência e Urgências. Plano Nacional de Saúde 2012-2016. Direcção Geral da Saúde.

Centro Hospitalar Lisboa Ocidental. Triagem de Manchester. Acedido a 1 de Fevereiro de 2017. Disponível em: http://www.chlo.min-saude.pt/index.php/triagem-de-manchester

Costa, J. T., Araújo, A., Madeira, J., Capela, J., Granda, M., Quintas, M., Oliveira e Silva, A., Vitor, B., Guerra, D., e Lencastre, L. (2001). Serviços de Urgência e Serviço de Atendimento Permanente – Definição e Requisitos Mínimos. 36-38.

Deco Proteste (2014). Hospitais a rebentar pelas costuras. Teste Saúde 111 Outubro/Novembro 2014, 33-35.

George, F. (2012). Causa das mortes em Portugal e desafios na prevenção. Acta Med Port 2012 Mar-Apr;25(2), 61-63.

Grupo Português de Triagem. (2015). Sistema de Triagem de Manchester. Acedido a 1 de Fevereiro de 2017. Disponível em: http://www.grupoportuguestriagem.pt/index.php?option=com_content&view=article&id=4&Itemid=110

Grupo Técnico para a Reforma Hospitalar. (2011). Relatório Final do Grupo Técnico para a Reforma Hospitalar.

Hansagi, H., Olsson, M., Sjöberg, S., Tomson, Y., Göransson, S. (2000). Frequent Use of the Hospital Emergency Department Is Indicative of High Use of Other Health Care Services. Annals of Emergency Medicine, 37, 561-567.

Hudon, C., Chouinard, M-C., Lambert, M., et al. (2016). Effectiveness of case management interventions for frequent users of healthcare services: a scoping review. BMJ Open, 6.

42

Krieg, C., Hudon, C., Chouinard, M-C., Dufour, I. (2016). Individual predictors of frequent emergency department use: a scoping review. BMC Health Services Research, 16:594, 1-10.

Morais, C. (2014). Lutar contra a mortalidade por doenças cardiovasculares: um desafio para a sociedade! Revista Portuguesa de Cardiologia, 33(6):337-338.

Ninguém bate os portugueses nas idas às urgências. Expresso. (2015). Disponível na Internet: http://expresso.sapo.pt/sociedade/2015-11-30-Ninguem-bate-os-portugueses-nas-idas-as-urgencias.

Oliveira, M. (1998). Modelos de Escolha Binária. Porto: Faculdade de Economia – Universidade do Porto.

OPSS (2016). Saúde: Procuram-se novos caminhos. Relatório da Primavera 2016. Consultado a 24 de Agosto de 2017. Disponível em http://www.opss.pt/node/488.

Organização Mundial de Saúde. Health Systems. Consultado a 30 de Janeiro de 2017. Disponível em http://www.who.int/healthsystems/about/en/.

Portugal. Direção-Geral da Saúde. Direção de Serviços e Planeamento. (2001). Rede Hospitalar de Urgência/Emergência. Lisboa

Rede de Investigadores do OPSS. (2013) Taxas Moderadoras. Consultado a 15 de Setembro de 2017. Disponível em http://www.opss.pt/node/46.

Rodrigues, A., Uva, M., Nunes, B., Marques, S., Antunes, L., Dias, C. (2014). Taxas de incidência de primeiros episódios de depressão nos cuidados de saúde primários em 2004 e 2012: dados da Rede Médicos-Sentinela. Boletim Epidemiológico - Instituto Nacional de Saúde, 8, 28-29.

Sartorius, N. (2006) The Meanings of Health and its Promotion. Croatian Medical Journal, 47, 662-664. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2080455/pdf/CroatMedJ_47_0662.pdf.

Serviço Nacional de Saúde (2015). Monitorização do Serviço Nacional de Saúde. Consultado a 30 de Janeiro de 2017. Disponível em http://benchmarking.acss.min-saude.pt/monitormensal/groupprodracioseficiencia/prodracioseficiencia2015/prodracioseficiencia2015urgencia.aspx.

Serviço Nacional de Saúde (2016). História do SNS. Consultado a 30 de Janeiro de 2017. Disponível em https://www.sns.gov.pt/sns/servico-nacional-de-saude.

Soril, L., Leggett, L., Lorenzetti, D., Noseworthy, T., Clement, F. (2016). Characteristics of frequent users of the emergency department in the general adult population: A systematic review of international healthcare systems. Health Policy, 120, 452-461.

Urgências “não têm falta de médicos mas falta de organização”. Jornal de Notícias. (2016). Disponível na Internet: http://www.jn.pt/nacional/interior/urgencias-nao-tem-falta-de-medicos-mas-falta-de-organizacao-5417715.html.

Van den Heede, K., Van de Voorde, C. (2016). Interventions to reduce emergency department utilisation: A review of reviews. Health Policy, 120, 12, 1337–1349.

43

World Bank. (2007). Healthy Development : the World Bank strategy for health, nutrition, & population results. Washington, DC: World Bank. http://documents.worldbank.org/curated/en/102281468140385647/Healthy-Development-the-World-Bank-strategy-for-health-nutrition-population-results.

45

ANEXO

A tabela seguinte contém um resumo das variáveis criadas para realizar a análise:

Variáveis Características dummy_maiores_utilizad_5perc2015 Pertencer aos 5% maiores utilizadores em 2015 dummy_maiores_5perc_2014_2015 Pertencer aos 5% maiores utilizadores em 2014 dummy_maiores_10perc2015 Pertencer aos 10% maiores utilizadores em 2015 dummy_maiores_10perc_2014_2015 Pertencer aos 10% maiores utilizadores em 2014 dummy_maiores_20perc2015 Pertencer aos 20% maiores utilizadores em 2015 dummy_maiores_20perc_2014_2015 Pertencer aos 20% maiores utilizadores em 2014

dummy_utiliz_4vezes_2015 Pertencer ao grupo de utentes que vai a um SU 4 ou mais vezes em 2015

dummy_utilizad_4vezes_2014_2015 Pertencer ao grupo de utentes que vai a um SU 4 ou mais vezes em 2014

dummy_idade_0_5 Ter entre 0 e 5 anos dummy_idade_6_18 Ter entre 6 e 18 anos dummy_idade_19_49 Ter entre 19 e 49 anos dummy_idade_50_64 Ter entre 50 e 64 anos dummy_idade_65_79 Ter entre 65 e 79 anos dummy_idade_mais80 Ter mais de 80 anos genero_utente Masculino ou feminino med_fam_ativo Ter médico de família atribuído isento_taxas_moder Estar isento de taxas moderadoras diabetes Ter diabetes hta Ter hipertensão arterial neoplasia_maligna Ter neoplasia maligna asma Ter asma dpoc Ter DPOC depressao Ter depressão ansiedade Sofrer de ansiedade fumador Ser fumador consum_alcool Ser consumidor de álcool frequente hiv_sida Ter VIH/SIDA mais65_diabetes Ter mais de 65 anos e diabetes mais65_hta Ter mais de 65 anos e hipertensão mais65_neoplasia Ter mais de 65 anos e neoplasia mais65_asma Ter mais de 65 anos e asma mais65_dpoc Ter mais de 65 anos e DPOC mais65_depressao Ter mais de 65 anos e depressão mais65_ansiedade Ter mais de 65 anos e ansiedade mais65_fumador Ter mais de 65 anos e ser fumador mais65_alcool Ter mais de 65 anos e ser consumidor de álcool mais65_hiv_sida Ter mais de 65 anos e VIH/SIDA mais80_diabetes Ter mais de 80 anos e diabetes mais80_hta Ter mais de 80 anos e hipertensão mais80_neoplasia Ter mais de 80 anos e neoplasia mais80_asma Ter mais de 80 anos e asma

46

mais80_dpoc Ter mais de 80 anos e DPOC mais80_depressao Ter mais de 80 anos e depressão mais80_ansiedade Ter mais de 80 anos e ansiedade mais80_fumador Ter mais de 80 anos e ser fumador mais80_alcool Ter mais de 80 anos e ser consumidor de álcool mais80_hiv_sida Ter mais de 80 anos e VIH/SIDA medicofam_diabetes Ter médico de família e diabetes medicofam_hta Ter médico de família e hipertensão medicofam_neoplasia Ter médico de família e neoplasia medicofam_asma Ter médico de família e asma medicofam_dpoc Ter médico de família e DPOC medicofam_depressao Ter médico de família e depressão medicofam_ansiedade Ter médico de família e ansiedade medicofam_fumador Ter médico de família e ser fumador medicofam_alcool Ter médico de família e ser consumidor de álcool medicofam_hiv_sida Ter médico de família e VIH/SIDA hta_neoplasia Ter hta e neoplasia diabetes_hta Ter diabetes e hipertensão diabetes_neoplasia Ter diabetes e neoplasia diabetes_asma Ter diabetes e asma diabetes_dpoc Ter diabetes e DPOC diabetes_depressao Ter diabetes e depressão diabetes_ansiedade Ter diabetes e ansiedade diabetes_fumador Ter diabetes e ser fumador diabetes_alcool Ter diabetes e ser consumidor de álcool diabetes_hiv_sida Ter diabetes e VIH/SIDA hta_asma Ter hta e asma hta_dpoc Ter hta e DPOC hta_depressao Ter hta e depressão hta_ansiedade Ter hta e ansiedade hta_fumador Ter hta e ser fumador hta_alcool Ter hta e ser consumidor de álcool hta_hiv_sida Ter diabetes e VIH/SIDA neoplasia_asma Ter neoplasia e asma neoplasia_dpoc Ter neoplasia e DPOC neoplasia_depressao Ter neoplasia e depressão neoplasia_ansiedade Ter neoplasia e ansiedade neoplasia_fumador Ter neoplasia e ser fumador neoplasia_alcool Ter neoplasia e ser consumidor de álcool neoplasia_hiv_sida Ter neoplasia e VIH/SIDA asma_dpoc Ter asma e DPOC asma_depressao Ter asma e depressão asma_ansiedade Ter asma e ansiedade asma_fumador Ter asma e ser fumador asma_alcool Ter asma e ser consumidor de álcool asma_hiv_sida Ter asma e VIH/SIDA dpoc_depressao Ter DPOC e depressão dpoc_ansiedade Ter DPOC e ansiedade dpoc_fumador Ter DPOC e ser fumador dpoc_alcool Ter DPOC e ser consumidor de álcool dpoc_hiv_sida Ter DPOC e VIH/SIDA

47

depressao_ansiedade Ter depressão e ansiedade depressao_fumador Ter depressão e ser fumador depressao_alcool Ter depressão e ser consumidor de álcool depressao_hiv_sida Ter depressão e VIH/SIDA ansiedade_fumador Ter ansiedade e ser fumador ansiedade_alcool Ter ansiedade e ser consumidor de álcool ansiedade_hiv_sida Ter ansiedade e VIH/SIDA fumador_alcool Ser fumador e consumidor de álcool fumador_hiv_sida Ser fumador e ter VIH/SIDA alcool_hiv_sida Ser consumidor de álcool e ter VIH/SIDA

Este anexo apresenta todos os resultados da estimação através do modelo probit, tal como os respetivos comandos utilizados no software STATA. Primeiro é apresentado o código que permite obter os resultado, de seguida, na primeira tabela, é apresentada a estatística referente ao modelo probit. A segunda tabela diz respeito aos efeitos marginais de cada estimação e mostra os resultados apresentados na discussão de resultados.

5% maiores utilizadores estimados para todas as variáveis:

probit dummy_maiores_utilizad_5perc2015 dummy_maiores_5perc_2014_2015 dummy_idade_0_5 dummy_idade_6_18 dummy_idade_19_49 dummy_idade_50_64 dummy_idade_65_79 dummy_idade_mais80 genero_utente med_fam_ativo isento_taxas_moder diabetes hta neoplasia_maligna asma dpoc depressao ansiedade fumador consum_alcool hiv_sida if ano==2015

note: dummy_idade_mais80 omitted because of collinearity Probit regression Number of obs = 3064574 LR chi2(19) = 133509,80 Prob > chi2 = 0,000 Pseudo R2 = 0,1097 Log likelihood = -541613,58

Coef. Std. Err. z P>|z| [95% Conf. Interval] 5%2014_2015 1,131324 0,0041308 273,87 0 1,123228 1,13942

idade_0_5 0,2276908 0,005644 40,34 0 0,2166287 0,2387529 idade_6_18 -0,3277104 0,0061202 -53,55 0 -0,3397057 -0,3157151 idade19_49 -0,0850875 0,0052299 -16,27 0 -0,0953378 -0,0748371 idade50_64 -0,2989212 0,0054908 -54,44 0 -0,3096829 -0,2881594 idade65_79 -0,1782119 0,0050756 -35,11 0 -0,1881599 -0,1682639 idade_+80 0 (omitted)

genero_utente 0,0775473 0,0027087 28,63 0 0,0722383 0,0828562 med_fam_ativo -0,0476563 0,0039094 -12,19 0 -0,0553185 -0,039994

48

Marginal effects after probit

y = Pr(dummy_maiores_utilizad_5perc2015) (predict)= ,03845634

dy/dx Std. Err. z P>|z| [ 95% C.I. ] X 5%2014_2015* 0,2129745 0,00126 169,45 0 0,210511 0,215438 0,038369

idade0_5* 0,0222849 0,00064 34,8 0 0,02103 0,02354 0,103998 idade6_18* -0,0223188 0,00033 -66,75 0 -0,022974 -0,021663 0,14164

idade19_49* -0,0069502 0,00042 -16,61 0 -0,00777 -0,00613 0,353404 idade50_64* -0,0209675 0,00032 -65,65 0 -0,021593 -0,020341 0,163456 idade65_79* -0,0133356 0,00034 -39,35 0 -0,014 -0,012671 0,150175

genero* 0,0064325 0,00022 28,84 0 0,005995 0,00687 0,548411 med_fam* -0,0041026 0,00035 -11,83 0 -0,004783 -0,003423 0,867693

isento* 0,0286058 0,00025 113,86 0 0,028113 0,029098 0,609282 diabetes* 0,007088 0,00044 16,11 0 0,006226 0,007951 0,089376

hta* -0,0034823 0,00032 -10,8 0 -0,004114 -0,00285 0,230843 neoplasia* 0,0173472 0,00062 27,76 0 0,016122 0,018572 0,044054

asma* 0,0094082 0,00069 13,65 0 0,008057 0,010759 0,030281 dpoc* 0,0262717 0,00099 26,45 0 0,024325 0,028219 0,019014

depressao* 0,0081834 0,00041 20,18 0 0,007388 0,008978 0,107084 ansiedade* 0,0067381 0,00048 13,92 0 0,005789 0,007687 0,066638 fumador* 0,0043799 0,00043 10,29 0 0,003545 0,005214 0,094571

con_alcool* 0,0201015 0,00111 18,13 0 0,017929 0,022274 0,015739 hiv_sida* 0,022664 0,00279 8,12 0 0,017192 0,028136 0,002255

(*) dy/dx is for discrete change of dummy variable from 0 to 1

isento_taxas 0,3634745 0,0034369 105,76 0 0,3567383 0,3702108 diabetes 0,0801284 0,0047027 17,04 0 0,0709113 0,0893454

hta -0,042576 0,0040247 -10,58 0 -0,0504643 -0,0346877 neoplasia_mal 0,1799378 0,0056763 31,7 0 0,1688125 0,1910632

asma 0,1034749 0,0069886 14,81 0 0,0897774 0,1171723 dpoc 0,2542854 0,0079542 31,97 0 0,2386956 0,2698753

depressao 0,0919774 0,0042868 21,46 0 0,0835754 0,1003794 ansiedade 0,076163 0,005171 14,73 0 0,066028 0,0862979 fumador 0,0506091 0,0047477 10,66 0 0,0413037 0,0599144

consum_alcool 0,2028062 0,0095679 21,2 0 0,1840535 0,2215589 hiv_sida 0,2236064 0,0231324 9,67 0 0,1782677 0,2689452

_cons -1,943135 0,0062715 -309,84 0 -1,955427 -1,930843

49

probit dummy_maiores_utilizad_5perc2015 dummy_ars1 dummy_ars2 dummy_ars3 dummy_ars4 dummy_ars5 if ano==2015

Probit regression Number of obs = 3064574 LR chi2(4) = 708,76 Prob > chi2 = 0,0000 Pseudo R2 = 0,0006 Log likelihood = -608014,1

dumm~5perc2015 Coef. Std. Err. z P>|z| [95% Conf. Interval] dummy_ars1 -0,0829125 0,0057877 -14,33 0 -0,0942562 -0,0715687 dummy_ars2 -0,0295079 0,006068 -4,86 0 -0,0414009 -0,0176149 dummy_ars3 -0,0461584 0,005765 -8,01 0 -0,0574576 -0,0348592 dummy_ars4 0,0344246 0,0071481 4,82 0 0,0204145 0,0484346 dummy_ars5 0 (omitted)

_cons -1,596661 0,0053996 -295,7 0 -1,607244 -1,586078


y = Pr(dummy_maiores_utilizad_5perc2015) (predict) = ,04991437

variable dy/dx Std. Err. z P>|z| [ 95% C.I. ] dummy_~1* -0,0083721 0,00057 -14,61 0 -0,009495 -0,007249 dummy_~2* -0,0029932 0,00061 -4,94 0 -0,004181 -0,001805 dummy_~3* -0,0047031 0,00058 -8,09 0 -0,005842 -0,003564 dummy~s4* 0,003635 0,00077 4,7 0 0,002119 0,005151


50

10% maiores utilizadores estimados para todas as variáveis:

probit dummy_maiores_10perc2015 dummy_maiores_10perc_2014_2015 dummy_idade_0_5 dummy_idade_6_18 dummy_idade_19_49 dummy_idade_50_64 dummy_idade_65_79 dummy_idade_mais80 genero_utente med_fam_ativo isento_taxas_moder diabetes hta neoplasia_maligna asma dpoc depressao ansiedade fumador consum_alcool hiv_sida if ano==2015


dumm10perc2015 Coef. Std. Err. z P>|z| [95% Conf. Interval]

dummy_maiores.. 0,9456537 0,0029981 315,42 0 0,9397775 0,9515298 dummy_idade_0_5 0,2160663 0,0046463 46,5 0 0,2069597 0,2251729 dummy_idade_~18 -0,2986419 0,0047986 -62,23 0 -0,308047 -0,2892368 dummy_idade_~49 -0,1177696 0,0042029 -28,02 0 -0,1260073 -0,109532 dummy_idade_~64 -0,3098713 0,0043601 -71,07 0 -0,3184168 -0,3013257 dummy_idade_~79 -0,186119 0,0040971 -45,43 0 -0,1941491 -0,178089 dummy_idade_~80 0 (omitted)

genero_utente 0,0820998 0,0021553 38,09 0 0,0778755 0,0863242 med_fam_ativo -0,0616988 0,0030939 -19,94 0 -0,0677627 -0,0556349 isento_taxas_~r 0,3306678 0,0026518 124,7 0 0,3254704 0,3358651

diabetes 0,0691284 0,0038136 18,13 0 0,0616538 0,076603 hta -0,032497 0,003191 -10,18 0 -0,0387512 -0,0262428

neoplasia_mal~a 0,1738837 0,0046688 37,24 0 0,1647329 0,1830345 asma 0,0938899 0,0057002 16,47 0 0,0827178 0,1050619 dpoc 0,2389711 0,0066927 35,71 0 0,2258537 0,2520884



_cons -1,533073 0,0049644 -308,81 0 -1,542803 -1,523343

51

Marginal effects after probit y = Pr(dummy_maiores_10perc2015) (predict) = , 08448242

variable dy/dx Std. Err . z P>|z| [ 95% C.I. ] X dummy_..* 0,2347505 0,001 234,23 0 0,232786 0,236715 0,072397

dummy~_5* 0,0375591 0,0009 41,78 0 0,035797 0,039321 0,103998 dumm~_18* -0,0398745 0,00055 -73,15 0 -0,040943 -0,038806 0,14164 dumm~_49* -0,0178211 0,00062 -28,68 0 -0,019039 -0,016603 0,353404 dumm~_64* -0,0415544 0,0005 -83,16 0 -0,042534 -0,040575 0,163456 dumm~_79* -0,0263446 0,00053 -49,95 0 -0,027378 -0,025311 0,150175 genero~e* 0,0126508 0,00033 38,33 0 0,012004 0,013298 0,548411 med_fa~o* -0,0098587 0,00051 -19,35 0 -0,010857 -0,00886 0,867693 isento~r* 0,048923 0,00037 131,81 0 0,048195 0,04965 0,609282 diabetes* 0,0111315 0,00064 17,46 0 0,009882 0,012381 0,089376

hta* -0,0049735 0,00048 -10,31 0 -0,005919 -0,004028 0,230843 neopl~na* 0,029969 0,00089 33,75 0 0,028228 0,03171 0,044054

asma* 0,0154422 0,00099 15,55 0 0,013496 0,017388 0,030281 dpoc* 0,0431312 0,00139 31,14 0 0,040416 0,045846 0,019014

depres~o* 0,014852 0,00059 25,18 0 0,013696 0,016008 0,107084 ansied~e* 0,0105034 0,0007 15 0 0,009131 0,011876 0,066638 fumador* 0,008367 0,00062 13,51 0 0,007153 0,009581 0,094571 consum~l* 0,0312478 0,00153 20,38 0 0,028242 0,034254 0,015739 hiv_sida* 0,0424346 0,00399 10,64 0 0,034615 0,050255 0,002255 (*) dy/dx is for discrete change of dummy variable from 0 to 1

probit dummy_maiores_10perc2015 dummy_ars1 dummy_ars2 dummy_ars3 dummy_ars4 dummy_ars5 if ano==2015


dumm10perc2015 Coef. Std. Err. z P>|z| [95% Conf. Interval] dummy_ars1 -0,0791134 0,0047839 -16,54 0 -0,0884897 -0,0697371

dummy_ars2 -0,0155969 0,0050131 -3,11 0,002 -0,0254223 -0,0057715

dummy_ars3 0,0277861 0,0047494 5,85 0 0,0184774 0,0370947

dummy_ars4 0,0479979 0,0059162 8,11 0 0,0364024 0,0595933

dummy_ars5 0 (omitted)

_cons -1,265088 0,0044715 -282,92 0 -1,273852 -1,256324

52



variable dy/dx Std. Err. z P>|z| [ 95% C.I. ] dummy_~1* -0,0136522 0,00081 -16,79 0 -0,015246 -0,012058 dummy_~2* -0,0027148 0,00087 -3,13 0,002 -0,004414 -0,001015 dummy_~3* 0,0048922 0,00084 5,82 0 0,003245 0,00654 dummy~s4* 0,0086371 0,00109 7,9 0 0,006495 0,01078


20% maiores utilizadores estimados com todas as variáveis:

probit dummy_maiores_20perc2015 dummy_maiores_20perc_2014_2015 dummy_idade_0_5 dummy_idade_6_18 dummy_idade_19_49 dummy_idade_50_64 dummy_idade_65_79 dummy_idade_mais80 genero_utente med_fam_ativo isento_taxas_moder diabetes hta neoplasia_maligna asma dpoc depressao ansiedade fumador consum_alcool hiv_sida if ano== 2015


dumm~20perc2015 Coef. Std. Err. z P>|z| [95% Conf. Interval]

dummy_maiores.. 0,7628251 0,0022223 343,26 0 0,7584695 0,7671806 dummy_idade_0_5 0,191184 0,0039999 47,8 0 0,1833443 0,1990238 dummy_idade_~18 -0,2741053 0,0039384 -69,6 0 -0,2818244 -0,2663862 dummy_idade_~49 -0,1506463 0,0035099 -42,92 0 -0,1575255 -0,1437671 dummy_idade_~64 -0,3049026 0,0035912 -84,9 0 -0,3119412 -0,297864 dummy_idade_~79 -0,1910107 0,0034421 -55,49 0 -0,1977571 -0,1842644 dummy_idade_~80 0 (omitted)


diabetes 0,051004 0,0031975 15,95 0 0,044737 0,057271 hta -0,0211898 0,0026059 -8,13 0 -0,0262971 -0,0160824

neoplasia_mal~a 0,1567889 0,0039921 39,27 0 0,1489645 0,1646134

53


y = Pr(dummy_maiores_20perc2015) (predict)= ,18488649


asma 0,0916178 0,0047948 19,11 0 0,0822202 0,1010154 dpoc 0,2119373 0,0058467 36,25 0 0,200478 0,2233967

depressao 0,0865157 0,0028836 30 0 0,0808639 0,0921675 ansiedade 0,0621561 0,0034888 17,82 0 0,0553181 0,0689941 fumador 0,0545712 0,0030797 17,72 0 0,0485351 0,0606074


_cons -1,0607 0,0041007 -258,66 0 -1,068738 -1,052663

variable dy/dx Std. Err . z P>|z| [ 95% C.I. ] X dummy_..* 0,2477346 0,00082 303,68 0 0,246136 0,249333 0,133995

dummy~_5* 0,0544142 0,00121 45,04 0 0,052046 0,056782 0,103998 dumm~_18* -0,0666462 0,00086 -77,11 0 -0,06834 -0,064952 0,14164 dumm~_49* -0,0393928 0,0009 -43,82 0 -0,041155 -0,037631 0,353404 dumm~_64* -0,0738126 0,00078 -94,6 0 -0,075342 -0,072283 0,163456 dumm~_79* -0,0478899 0,00081 -59,32 0 -0,049472 -0,046308 0,150175 genero~e* 0,01936 0,00047 41,31 0 0,018442 0,020279 0,548411 med_fa~o* -0,0137771 0,0007 -19,59 0 -0,015156 -0,012398 0,867693 isento~r* 0,0771258 0,00053 145,75 0 0,076089 0,078163 0,609282 diabetes* 0,0138639 0,00089 15,67 0 0,012129 0,015599 0,089376

hta* -0,0056251 0,00069 -8,17 0 -0,006974 -0,004276 0,230843 neopl~na* 0,0444775 0,0012 37,12 0 0,042129 0,046826 0,044054

asma* 0,0253823 0,00138 18,43 0 0,022684 0,028081 0,030281 dpoc* 0,0616012 0,00183 33,59 0 0,058006 0,065196 0,019014

depres~o* 0,0237838 0,00082 29,16 0 0,022185 0,025383 0,107084 ansied~e* 0,0169837 0,00098 17,41 0 0,015072 0,018896 0,066638 fumador* 0,0148489 0,00085 17,39 0 0,013175 0,016523 0,094571 consum~l* 0,0454294 0,00202 22,44 0 0,041461 0,049398 0,015739 hiv_sida* 0,0600141 0,00524 11,46 0 0,04975 0,070278 0,002255

54

probit dummy_maiores_20perc2015 dummy_ars1 dummy_ars2 dummy_ars3 dummy_ars4 dummy_ars5 if ano==2015

Probit regression Number of obs = 3064574 LR chi2(4) = 2125,88 Prob > chi2 = 0,0000 Pseudo R2 = 0,0007 Log likelihood = -1532459

Dumm20perc2015 Coef. Std. Err. z P>|z| [95% Conf. Interval] dummy_ars1 -0,0809181 0,0039794 -20,33 0 -0,0887177 -0,0731185 dummy_ars2 -0,0378046 0,0041811 -9,04 0 -0,0459994 -0,0296098 dummy_ars3 -0,0111476 0,0039657 -2,81 0,005 -0,0189202 -0,0033749 dummy_ars4 0,0479047 0,0049499 9,68 0 0,038203 0,0576063 dummy_ars5 0 (omitted)

_cons -0,805628 0,0037264 -216,2 0 -0,8129315 -0,7983244



variable dy/dx Std. Err. z P>|z| [ 95% C.I. ] dummy_~1* -0,0224118 0,00109 -20,55 0 -0,024549 -0,020274 dummy_~2* -0,0104723 0,00115 -9,13 0 -0,012719 -0,008225 dummy_~3* -0,0031151 0,00111 -2,81 0,005 -0,005284 -0,000946 dummy~s4* 0,0136416 0,00143 9,51 0 0,010831 0,016452


55

Utentes que vão 4 ou mais vezes a um SU, no mesmo ano, estimados para todas as variáveis:

probit dummy_utiliz_4vezes_2015 dummy_utilizad_4vezes_2014_2015 dummy_idade_0_5 dummy_idade_6_18 dummy_idade_19_49 dummy_idade_50_64 dummy_idade_65_79 dummy_idade_mais80 genero_utente med_fam_ativo isento_taxas_moder diabetes hta neoplasia_maligna asma dpoc depressao ansiedade fumador consum_alcool hiv_sida if ano==2015


dummy_utiliz_~5 Coef. Std. Err. z P>|z| [95% Conf. Interval] dummy_utiliza~5 0,9025774 0,0026973 334,62 0 0,8972907 0,9078641

dummy_idade_0_5 0,205384 0,0044046 46,63 0 0,196751 0,2140169 dummy_idade_~18 -0,2966677 0,0044843 -66,16 0 -0,3054567 -0,2878786 dummy_idade_~49 -0,1343938 0,0039551 -33,98 0 -0,1421457 -0,126642 dummy_idade_~64 -0,318173 0,0040874 -77,84 0 -0,3261842 -0,3101618 dummy_idade_~79 -0,1934607 0,0038586 -50,14 0 -0,2010234 -0,1858979 dummy_idade_~80 0 (omitted)


diabetes 0,0617243 0,0035951 17,17 0 0,054678 0,0687707 hta -0,0316677 0,0029885 -10,6 0 -0,0375251 -0,0258103

neoplasia_mal~a 0,1676317 0,0044277 37,86 0 0,1589536 0,1763099 asma 0,1005343 0,0053651 18,74 0 0,0900189 0,1110498 dpoc 0,2353514 0,0063777 36,9 0 0,2228513 0,2478515



_cons -1,418807 0,00467 -303,82 0 -1,42796 -1,409654

56


y = Pr(dummy_utiliz_4vezes_2015) (predict) = ,10744948


probit dummy_utiliz_4vezes_2015 dummy_ars1 dummy_ars2 dummy_ars3 dummy_ars4 dummy_ars5 if ano==2015


variable dy/dx Std. Err. z P>|z| [ 95% C.I. ] X

d~ad_4~5* 0,244507 0,00093 262,64 0 0,242682 0,246332 0,089856

dummy~_5* 0,04189 0,00098 42,56 0 0,039961 0,043819 0,103998

dumm~_18* -0,0479459 0,00063 -76,62 0 -0,049172 -0,046719 0,14164

dumm~_49* -0,0242543 0,0007 -34,81 0 -0,02562 -0,022889 0,353404

dumm~_64* -0,0513916 0,00057 -90,27 0 -0,052507 -0,050276 0,163456

dumm~_79* -0,0328503 0,0006 -54,87 0 -0,034024 -0,031677 0,150175

genero~e* 0,0151784 0,00037 41,02 0 0,014453 0,015904 0,548411

med_fa~o* -0,0086699 0,00056 -15,39 0 -0,009774 -0,007566 0,867693

isento~r* 0,0597491 0,00042 143,89 0 0,058935 0,060563 0,609282

diabetes* 0,0117737 0,00071 16,66 0 0,010388 0,013159 0,089376

hta* -0,0057934 0,00054 -10,71 0 -0,006854 -0,004733 0,230843

neopl~na* 0,0339897 0,00098 34,76 0 0,032073 0,035906 0,044054

asma* 0,0196904 0,00111 17,74 0 0,017514 0,021866 0,030281

dpoc* 0,0497837 0,00152 32,71 0 0,046801 0,052766 0,019014

depres~o* 0,017078 0,00066 26,07 0 0,015794 0,018362 0,107084

ansied~e* 0,0125297 0,00078 16,04 0 0,010999 0,014061 0,066638

fumador* 0,0111379 0,00069 16,09 0 0,009781 0,012494 0,094571

consum~l* 0,0352073 0,00168 20,96 0 0,031915 0,0385 0,015739

hiv_sida* 0,045588 0,00434 10,5 0 0,037075 0,054101 0,002255

57

dummy_utiliz_~5 Coef. Std. Err. z P>|z| [95% Conf. Interval] dummy_ars1 -0,1007333 0,0043967 -22,91 0 -0,1093507 -0,0921159 dummy_ars2 -0,0783645 0,0046304 -16,92 0 -0,0874398 -0,0692891 dummy_ars3 -0,077378 0,0043874 -17,64 0 -0,0859772 -0,0687789 dummy_ars4 0,0381395 0,0054531 6,99 0 0,0274515 0,0488274 dummy_ars5 0 (omitted)

_cons -1,078168 0,0041078 -262,47 0 -1,086219 -1,070117



variable dy/dx Std. Err. z P>|z| [ 95% C.I. ] dummy_~1* -0,020311 0,00087 -23,31 0 -0,022019 -0,018603 dummy_~2* -0,0156209 0,0009 -17,43 0 -0,017378 -0,013864 dummy_~3* -0,0156704 0,00088 -17,87 0 -0,017389 -0,013951 dummy~s4* 0,0079755 0,00116 6,86 0 0,005698 0,010253


5% maiores utilizadores estimados para utentes com mais de 65 anos e com cada um dos problemas de saúde:

probit dummy_maiores_utilizad_5perc2015 mais65_diabetes mais65_hta mais65_neoplasia mais65_asma mais65_dpoc mais65_depressao mais65_ansiedade mais65_fumador mais65_alcool mais65_hiv_sida if ano==2015


Coef. Std. Err. z P>|z| [95% Conf. Interval] mais65_diabetes 0,1304189 0,0055555 23,48 0 0,1195304 0,1413074

mais65_hta -0,0217579 0,0041816 -5,2 0 -0,0299538 -0,0135621 mais65_neoplasia 0,1877577 0,0068918 27,24 0 0,1742501 0,2012653

mais65_asma 0,0766284 0,0139564 5,49 0 0,0492745 0,1039824 mais65_dpoc 0,333136 0,0090947 36,63 0 0,3153107 0,3509613

mais65_depressao 0,0508117 0,0071556 7,1 0 0,036787 0,0648364

58

mais65_ansiedade 0,0456288 0,0092502 4,93 0 0,0274987 0,0637589 mais65_fumador -0,0313611 0,0142932 -2,19 0,028 -0,0593753 -0,003347

mais65_alcool 0,0965319 0,0178565 5,41 0 0,0615339 0,13153 mais65_hiv_sida 0,1622522 0,0768676 2,11 0,035 0,0115944 0,31291

_cons -1,66485 ,0013251 -12 56,41 0 -1,667447 -1,662253



dy/dx Std.Err. z P>|z| [ 95% C.I. ] X

+65_diabetes* 0,0147014 0,00068 21,46 0 0,013359 0,016044 0,055618 +65_hta* -0,0022021 0,00042 -5,27 0 -0,003021 -0,001383 0,142391

+65_neoplasia* 0,0222457 0,00093 23,86 0 0,020418 0,024073 0,026337 +65_asma* 0,0083584 0,00162 5,17 0 0,005191 0,011526 0,006217 +65_dpoc* 0,0442892 0,00151 29,32 0 0,041329 0,047249 0,012769

+65_depressao* 0,0054174 0,00079 6,83 0 0,003864 0,006971 0,030126 +65_ansiedade* 0,0048502 0,00102 4,76 0 0,002853 0,006847 0,016968 +65_fumador* -0,0031338 0,00139 -2,25 0,024 -0,005862 -0,000406 0,006677

+65_alcool* 0,0107032 0,00213 5,02 0 0,006521 0,014886 0,003804 +65_hiv_sida* 0,0189801 0,01016 1,87 0,062 -0,000935 0,038895 0,000188



probit dummy_maiores_10perc2015 mais65_diabetes mais65_hta mais65_neoplasia mais65_asma mais65_dpoc mais65_depressao mais65_ansiedade mais65_fumador mais65_alcool mais65_hiv_sida if ano==2015



mais65_diabetes 0,1218334 0,0045693 26,66 0 0,1128777 0,130789 mais65_hta -0,0017023 0,0033757 -0,5 0,614 -0,0083186 0,004914

mais65_neopl~ia 0,1952082 0,005733 34,05 0 0,1839717 0,2064446

59


mais65_depres~o 0,0614661 0,0058424 10,52 0 0,0500152 0,0729171 mais65_ansied~e 0,0420971 0,0075855 5,55 0 0,0272298 0,0569644 mais65_fumador -0,0348989 0,0117647 -2,97 0,003 -0,0579573 -0,0118404


_cons -1,303408 ,0010701 -1 218 0 -1,305505 -1,301311 Marginal effects after probit y = Pr(dummy_maiores_10perc2015) (predict) = , 09949039

variable dy/dx Std. Err. z P>|z| [ 95% C.I. ] X mais65~s* 0,0228098 0,00091 24,99 0 0,021021 0,024599 0,055618 ma~5_hta* -0,0002974 0,00059 -0,5 0,614 -0,001452 0,000858 0,142391 mais65..* 0,0382967 0,00125 30,65 0 0,035848 0,040746 0,026337

m~5_asma* 0,0146484 0,00224 6,55 0 0,010266 0,019031 0,006217 m~5_dpoc* 0,0688508 0,00194 35,48 0 0,065047 0,072654 0,012769 mais65..* 0,0111495 0,0011 10,15 0 0,008997 0,013302 0,030126 mais65..* 0,007554 0,0014 5,41 0 0,004817 0,010291 0,016968 mais65..* -0,0059677 0,00197 -3,03 0,002 -0,009823 -0,002113 0,006677 mais65..* 0,0124276 0,00285 4,36 0 0,006838 0,018018 0,003804 mais65..* 0,036481 0,01391 2,62 0,009 0,009218 0,063744 0,000188 (*) dy/dx is for discrete change of dummy variable from 0 to 1




60

Marginal effects after probit y = Pr(dummy_maiores_20perc2015) (predict) = ,19947039

variable dy/dx Std. Err. z P>|z| [ 95% C.I. ] X mais65~s* 0,0330988 0,00118 28,04 0 0,030785 0,035412 0,055618 ma~5_hta* 0,0063446 0,0008 7,93 0 0,004776 0,007914 0,142391 mais65..* 0,057131 0,00159 35,84 0 0,054006 0,060256 0,026337

m~5_asma* 0,0253734 0,003 8,46 0 0,019498 0,031249 0,006217 m~5_dpoc* 0,096756 0,00238 40,63 0 0,092089 0,101423 0,012769 mais65..* 0,0198954 0,00146 13,6 0 0,017028 0,022763 0,030126 mais65..* 0,0128046 0,00187 6,86 0 0,009144 0,016465 0,016968 mais65..* -0,009758 0,00271 -3,6 0 -0,015072 -0,004444 0,006677 mais65..* 0,0227057 0,00382 5,95 0 0,015222 0,030189 0,003804 mais65..* 0,040624 0,01751 2,32 0,02 0,006314 0,074935 0,000188 (*) dy/dx is for discrete change of dummy variable from 0 to 1

Utentes que se deslocam 4 ou mais vezes a um SU, no mesmo ano, estimados para utentes com mais de 65 anos e com cada um dos problemas de saúde:

probit dummy_utiliz_4vezes_2015 mais65_diabetes mais65_hta mais65_neoplasia mais65_asma mais65_dpoc mais65_depressao mais65_ansiedade mais65_fumador mais65_alcool mais65_hiv_sida if ano==2015


mais65_diabetes 0,1136439 0,0038986 29,15 0 0,1060027 0,121285 mais65_hta 0,0225455 0,0028258 7,98 0 0,017007 0,028084

mais65_neopl~ia 0,1903222 0,0049808 38,21 0 0,1805601 0,2000843 mais65_asma 0,0876154 0,0100068 8,76 0 0,0680024 0,1072284 mais65_dpoc 0,3089873 0,0069178 44,67 0 0,2954286 0,3225461

mais65_depres~o 0,0692913 0,0049657 13,95 0 0,0595586 0,0790239 mais65_ansied~e 0,0449896 0,0064471 6,98 0 0,0323536 0,0576256 mais65_fumador -0,035435 0,0099966 -3,54 0 -0,0550281 -0,015842


_cons -0,8654874 0,0008921 -970,15 0 -0,8672359 -0,8637389

61

Probit regression Number of obs = 3064574 LR chi2(10) = 6550,98 Prob > chi2 = 0.0000 Pseudo R2 = 0,0028 Log likelihood = -1148495,5

Marginal effects after probit y = Pr(dummy_utiliz_4vezes_2015) (predict) = , 1239666


dummy_utiliz_~5 Coef. Std. Err. z P>|z| [95% Conf. Interval]

mais65_diabetes 0,1210309 0,0042405 28,54 0 0,1127197 0,1293422

mais65_hta 0,0013568 0,0031211 0,43 0,664 -0,0047604 0,007474

mais65_neopl~ia 0,1933258 0,0053615 36,06 0 0,1828175 0,203834

mais65_asma 0,0915454 0,0107127 8,55 0 0,0705489 0,1125419

mais65_dpoc 0,330689 0,0073109 45,23 0 0,3163599 0,3450182

mais65_depres~o 0,0588016 0,0053865 10,92 0 0,0482442 0,069359

mais65_ansied~e 0,0428113 0,0069941 6,12 0 0,0291031 0,0565195

mais65_fumador -0,0417712 0,0105858 -3,95 0 -0,062519 -0,0210234

mais65_alcool 0,0642369 0,0136792 4,7 0 0,0374261 0,0910476

mais65_hiv_sida 0,1179936 0,0589465 2 0,045 0,0024606 0,2335266

_cons -1,175472 ,0010099 -1 163,9 0 -1,177451 -1,173492

variable dy/dx Std. Err. z P>|z| [ 95% C.I. ] X mais65~s* 0,0263157 0,00098 26,95 0 0,024402 0,028229 0,057965 ma~5_hta* 0,0002778 0,00064 0,43 0,664 -0,000975 0,001531 0,147957 mais65..* 0,0437982 0,00133 32,87 0 0,041186 0,04641 0,027307

m~5_asma* 0,0197212 0,00242 8,14 0 0,014971 0,024472 0,006538 m~5_dpoc* 0,0804592 0,00206 39,05 0 0,076421 0,084497 0,01322 mais65..* 0,0124191 0,00117 10,59 0 0,01012 0,014718 0,031893 mais65..* 0,0089716 0,0015 5,98 0 0,006032 0,011912 0,017918 mais65..* -0,0083466 0,00206 -4,04 0 -0,012392 -0,004301 0,007453 mais65..* 0,0136334 0,00301 4,53 0 0,007739 0,019528 0,00414 mais65..* 0,0258097 0,01373 1,88 0,06 -0,0011 0,052719 0,00021

62

5% maiores utilizadores maiores utilizadores estimados para utentes com mais de 80 anos e com cada um dos problemas de saúde:

probit dummy_maiores_utilizad_5perc2015 mais80_diabetes mais80_hta mais80_neopl mais80_asma mais80_dpoc mais80_depressao mais80_ansiedade mais80_fumador mais80_alcool mais80_hiv_sida if ano==2015


Marginal effects after probit y = Pr(dummy_maiores_utilizad_5perc2015) (predict) = ,04970906


dummy~5perc2015 Coef. Std. Err. z P>|z| [95% Conf. Interval]

mais80_diabetes 0,1494656 0,0088107 16,96 0 0,132197 0,1667343 mais80_hta 0,0722897 0,0061484 11,76 0 0,0602391 0,0843404

mais80_neopl~ia 0,1793472 0,0107256 16,72 0 0,1583254 0,2003691 mais80_asma 0,0919486 0,0233512 3,94 0 0,0461811 0,1377162 mais80_dpoc 0,3249013 0,0136774 23,75 0 0,2980941 0,3517086

mais80_depres~o 0,0803038 0,0119663 6,71 0 0,0568503 0,1037573 mais80_ansied~e 0,0965108 0,0151834 6,36 0 0,0667519 0,1262697 mais80_fumador 0,0052533 0,0324486 0,16 0,871 -0,0583447 0,0688514

mais80_alcool 0,1540668 0,0388052 3,97 0 0,07801 0,2301236 mais80_hiv_sida 0,076597 0,2116986 0,36 0,717 -0,3383246 0,4915186

_cons -1,659425 ,0012541 -13 23,22 0 -1,661883 -1,656967


m~0_asma* 0,0101739 0,00278 3,66 0 0,004733 0,015615 0,001958 m~0_dpoc* 0,0431375 0,00227 19,04 0 0,038698 0,047577 0,005215 mais80..* 0,0087939 0,00139 6,31 0 0,006061 0,011527 0,009085 mais80..* 0,0107127 0,00182 5,9 0 0,007153 0,014272 0,005252 mais80..* 0,0005416 0,00336 0,16 0,872 -0,006044 0,007127 0,001081 mais80..* 0,0179263 0,00507 3,53 0 0,007984 0,027869 0,000671 mais80..* 0,0083725 0,02458 0,34 0,733 -0,03981 0,056555 0,000025

63




dumm10perc2015 Coef. Std. Err. z P>|z| [95% Conf. Interval] mais80_diabetes 0,139422 0,0073538 18,96 0 0,1250089 0,1538352

mais80_hta 0,1006328 0,0050188 20,05 0 0,0907962 0,1104695 mais80_neopl~ia 0,1809231 0,0090242 20,05 0 0,1632361 0,1986102



mais80_alcool 0,1370267 0,0330953 4,14 0 0,0721611 0,2018923 mais80_hiv_sida 0,2114765 0,1686544 1,25 0,21 -0,1190801 0,5420332

_cons -1,297009 ,0010128 -1 280,66 0 -1,298994 -1,295024 Marginal effects after probit y = Pr(dummy_maiores_10perc2015) (predict) = , 09958537




64


probit dummy_maiores_20perc2015 mais80_diabetes mais80_hta mais80_neoplasia mai _asma mais80_dpoc mais80_depressao mais80_ansiedade mais80_fumador mais80_alcool mais80_hiv_sida if ano==2015


dumm~20perc2015 Coef. Std. Err. z P>|z| [95% Conf. Interval] mais80_diabetes 0,1358502 0,0063939 21,25 0 0,1233184 0,148382

mais80_hta 0,1281921 0,0042745 29,99 0 0,1198142 0,13657 mais80_neopl~ia 0,1809716 0,0079326 22,81 0 0,165424 0,1965192



mais80_alcool 0,0987859 0,0294304 3,36 0,001 0,0411034 0,1564683 mais80_hiv_sida 0,2281289 0,1489557 1,53 0,126 -0,0638188 0,5200767

_cons -0,8577343 ,0008445 -1 15,66 0 -0,8593895 -0,8560791 Marginal effects after probit y = Pr(dummy_maiores_20perc2015) (predict) = , 19954743


m~0_asma* 0,0292098 0,00525 5,56 0 0,018917 0,039503 0,001958 m~0_dpoc* 0,099019 0,00368 26,89 0 0,091802 0,106236 0,005215 mais80..* 0,0258683 0,00259 9,98 0 0,020789 0,030947 0,009085 mais80..* 0,0235591 0,00331 7,12 0 0,017071 0,030047 0,005252 mais80..* 0,007066 0,00672 1,05 0,293 -0,006096 0,020228 0,001081 mais80..* 0,0287523 0,0089 3,23 0,001 0,011311 0,046193 0,000671 mais80..* 0,0696933 0,04918 1,42 0,156 -0,026701 0,166088 0,000025


65

Utentes que se deslocam 4 ou mais vezes a um SU, no mesmo ano, estimados para utentes com mais de 80 anos e com cada um dos problemas de saúde:

probit dummy_utiliz_4vezes_2015 mais80_diabetes mais80_hta mais80_neoplasia mais80_asma mais80_dpoc mais80_depressao mais80_ansiedade mais80_fumador mais80_alcool mais80_hiv_sida if ano==2015


dummy_utiliz_~5 Coef. Std. Err. z P>|z| [95% Conf. Interval]

mais80_diabetes 0,1436657 0,0069802 20,58 0 0,1299849 0,1573466

mais80_hta 0,1124311 0,0047377 23,73 0 0,1031455 0,1217168

mais80_neopl~ia 0,1796817 0,0086052 20,88 0 0,1628158 0,1965476

mais80_asma 0,128623 0,0186095 6,91 0 0,092149 0,165097

mais80_dpoc 0,3287602 0,0113042 29,08 0 0,3066045 0,3509159

mais80_depres~o 0,0881011 0,0094436 9,33 0 0,069592 0,1066102

mais80_ansied~e 0,0865208 0,0120982 7,15 0 0,0628087 0,1102329

mais80_fumador 0,0070183 0,0257833 0,27 0,785 -0,043516 0,0575526

mais80_alcool 0,1263393 0,0316864 3,99 0 0,064235 0,1884436

mais80_hiv_sida 0,2223023 0,160556 1,38 0,166 -0,0923817 0,5369863

_cons -1,168897 ,0009524 - 1227,31 0 -1,170764 -1,16703

Marginal effects after probit y = Pr(dummy_utiliz_4vezes_2015) (predict) = ,12404887




66

5% maiores utilizadores estimados para utentes com médico de família atribuído e com cada um dos problemas de saúde:

probit dummy_maiores_utilizad_5perc2015 medicofam_diabetes medicofam_hta medicofam_neoplasia medicofam_asma medicofam_dpoc medicofam_depressao medicofam_ansiedade medicofam_fumador medicofam_alcool medicofam_hiv_sida if ano==2015


dummy5perc2015 Coef. Std. Err. z P>|z| [95% Conf. Interval] medicofam_dia~s 0,1256594 0,004565 27,53 0 0,1167122 0,1346065 medicofam_hta -0,0868549 0,0033589 -25,86 0 -0,0934382 -0,0802716

medicofam_ne~ia 0,181842 0,0055642 32,68 0 0,1709364 0,1927476 medicofam_asma 0,1163498 0,0067542 17,23 0 0,1031118 0,1295879 medicofam_dpoc 0,3211374 0,0077361 41,51 0 0,305975 0,3362999

medicofam_dep~o 0,0826029 0,0040825 20,23 0 0,0746014 0,0906044 medicofam_ans~e 0,0611616 0,0050329 12,15 0 0,0512972 0,0710259 medicofam_fum~r -0,0808512 0,0044717 -18,08 0 -0,0896155 -0,0720869 medicofam_alc~l 0,1579588 0,0092707 17,04 0 0,1397886 0,176129 medicofam_hiv~a 0,2282952 0,0236046 9,67 0 0,1820311 0,2745593

_cons -1,66671 ,001489 - 1119,35 0 -1,669628 -1,663791

Marginal effects after probit y = Pr(dummy_maiores_utilizad_5perc2015) (predict) = , 04940376

variable dy/dx Std. Err. z P>|z| [ 95% C.I. ] X medico~s* 0,0139917 0,00055 25,37 0 0,012911 0,015072 0,082849

me~m_hta* -0,0085177 0,00032 -26,97 0 -0,009137 -0,007899 0,213581 medico..* 0,0212866 0,00074 28,84 0 0,01984 0,022733 0,041243

m~m_asma* 0,0130044 0,00082 15,82 0 0,011393 0,014616 0,028238 m~m_dpoc* 0,0420766 0,00126 33,51 0 0,039616 0,044537 0,017778

medico..* 0,0089105 0,00046 19,2 0 0,008001 0,00982 0,099859 medico..* 0,0065295 0,00056 11,64 0 0,00543 0,007629 0,062256 medico..* -0,0078174 0,00041 -19,14 0 -0,008618 -0,007017 0,088428 medico..* 0,0182866 0,00121 15,17 0 0,015924 0,020649 0,014766 medico..* 0,0280366 0,00342 8,2 0 0,021334 0,03474 0,001987


67


probit dummy_maiores_10perc2015 medicofam_diabetes medicofam_hta medicofam_neoplasia medicofam_asma medicofam_dpoc medicofam_depressao medicofam_ansiedade medicofam_fumador medicofam_alcool medicofam_hiv_sida if ano==2015




me~m_hta* -0,0123217 0,00045 -27,63 0 -0,013196 -0,011448 0,213581 medico..* 0,0362934 0,00099 36,7 0 0,034355 0,038232 0,041243

m~m_asma* 0,0204501 0,00111 18,43 0 0,018275 0,022625 0,028238 m~m_dpoc* 0,0652901 0,00162 40,36 0 0,06212 0,06846 0,017778



dumm~10perc2015 Coef. Std. Err. z P>|z| [95% Conf. Interval] medicofam_dia~s 0,1169581 0,003738 31,29 0 0,1096318 0,1242843 medicofam_hta -0,072492 0,002697 -26,88 0 -0,077778 -0,067206



_cons -1,302094 ,0012019 - 1083,33 0 -1,30445 -1,299739

68


probit dummy_maiores_20perc2015 medicofam_diabetes medicofam_hta medicofam_neoplasia medicofam_asma medicofam_dpoc medicofam_depressao medicofam_ansiedade medicofam_fumador medicofam_alcool medicofam_hiv_sida if ano==2015

Probit regression Number of obs = 3064574 LR chi2(10) = 9244.56 Prob > chi2 = 0.0000 Pseudo R2 = 0.0030 Log likelihood = -1528899.6

dumm~20perc2015 Coef. Std. Err. z P>|z| [95% Conf. Interval] medicofam_dia~s 0,105237 0,0031614 33,29 0 0,0990408 0,1114332 medicofam_hta -0,044566 0,0022344 -19,95 0 -0,0489453 -0,0401867





me~m_hta* -0,0123177 0,00061 -20,17 0 -0,013515 -0,011121 0,213581 medico..* 0,0535662 0,00126 42,52 0 0,051097 0,056035 0,041243

m~m_asma* 0,0325062 0,00145 22,41 0 0,029663 0,03535 0,028238 m~m_dpoc* 0,0917836 0,00198 46,25 0 0,087894 0,095673 0,017778



69

Utentes que se deslocam 4 ou mais vezes a um SU, no mesmo ano, estimados para utentes com médico de família atribuído e com cada um dos problemas de saúde:

probit dummy_utiliz_4vezes_2015 medicofam_diabetes medicofam_hta medicofam_neoplasia medicofam_asma medicofam_dpoc medicofam_depressao medicofam_ansiedade medicofam_fumador medicofam_alcool medicofam_hiv_sida if ano==2015


dummy_utiliz_~5 Coef. Std. Err. z P>|z| [95% Conf. Interval] medicofam_dia~s 0,1152137 0,0035265 32,67 0 0,1083018 0,1221256 medicofam_hta -0,0637466 0,002529 -25,21 0 -0,0687033 -0,05879



_cons -1,174998 0,001131 -1038,92 0 -1,177214 -1,172781



me~m_hta* -0,0127589 0,0005 -25,76 0 -0,01373 -0,011788 0,213581 medico..* 0,0416286 0,00107 38,76 0 0,039524 0,043733 0,041243

m~m_asma* 0,0261222 0,00122 21,38 0 0,023727 0,028517 0,028238 m~m_dpoc* 0,0756549 0,00174 43,41 0 0,072239 0,07907 0,017778



70

5% maiores utilizadores estimados para utentes com dois dos problemas de saúde:

probit dummy_maiores_utilizad_5perc2015 diabetes_hta diabetes_neoplasia diabetes_asma diabetes_dpoc diabetes_depressao diabetes_ansiedade diabetes_fumador diabetes_alcool diabetes_hiv_sida if ano==2015




variable dy/dx Std. Err. z P>|z| [ 95% C.I. ] X diabe~ta* 0,0031778 0,00057 5,57 0 0,002059 0,004297 0,066877 diabe~ia* 0,0259508 0,00158 16,4 0 0,022849 0,029053 0,009409

diabe~ma* 0,0144672 0,00252 5,73 0 0,009519 0,019415 0,00274 diabet~c* 0,0493189 0,00259 19,05 0 0,044245 0,054393 0,004355 diabet~o* 0,013308 0,00126 10,53 0 0,010831 0,015785 0,013505 diabet~e* 0,0110694 0,00166 6,67 0 0,007815 0,014324 0,006776 diabet~r* -0,0003239 0,00149 -0,22 0,828 -0,003239 0,002591 0,006491 diabet~l* 0,0115853 0,00262 4,43 0 0,006455 0,016716 0,002571 diabe~da* 0,0408564 0,01184 3,45 0,001 0,017649 0,064064 0,000177 (*) dy/dx is for discrete change of dummy variable from 0 to 1

dummy~5perc2015 Coef. Std. Err. z P>|z| [95% Conf. Interval] diabetes_hta 0,0302508 0,0053197 5,69 0 0,0198243 0,0406773

diabetes_neop~a 0,2131068 0,0111494 19,11 0 0,1912543 0,2349593 diabetes_asma 0,1269511 0,0201053 6,31 0 0,0875453 0,1663568 diabetes_dpoc 0,3608496 0,0148909 24,23 0 0,331664 0,3900352

diabetes_depr~o 0,1178706 0,010245 11,51 0 0,0977908 0,1379503

diabetes_ansi~e 0,0993772 0,0138102 7,2 0 0,0723098 0,1264447

diabetes_fuma~r -0,0031589 0,0145398 -0,22 0,828 -0,0316563 0,0253386 diabetes_alcool 0,1035872 0,0215983 4,8 0 0,0612553 0,1459191 diabetes_hiv_~a 0,3100895 0,0725289 4,28 0 0,1679355 0,4522436

_cons -1,655301 0,0012592 -1314,6 0 -1,657769 -1,652833

71

probit dummy_maiores_utilizad_5perc2015 hta_neoplasia hta_asma hta_dpoc hta_depressao hta_ansiedade hta_fumador hta_alcool hta_hiv_sida if ano==2015


dummy~5perc2015 Coef. Std. Err. z P>|z| [95% Conf. Interval] hta_neoplasia 0,1883581 0,0070509 26,71 0 0,1745385 0,2021776

hta_asma 0,0642285 0,0126657 5,07 0 0,0394042 0,0890528 hta_dpoc 0,3421125 0,0093757 36,49 0 0,3237366 0,3604885

hta_depressao 0,0514512 0,0062754 8,2 0 0,0391517 0,0637507 hta_ansiedade 0,0460871 0,0081022 5,69 0 0,030207 0,0619671 hta_fumador -0,0904701 0,0098164 -9,22 0 -0,1097098 -0,0712304

hta_alcool 0,0655366 0,0143892 4,55 0 0,0373344 0,0937389 hta_hiv_sida 0,2231013 0,0525125 4,25 0 0,1201787 0,3260239

_cons -1,658546 0,0012683 -1307,66 0 -1,661032 -1,65606



variable dy/dx Std. Err. z P>|z| [ 95% C.I. ] X hta_ne~a* 0,0223806 0,00096 23,38 0 0,020504 0,024257 0,023968 hta_asma* 0,0069473 0,00144 4,82 0 0,004124 0,009771 0,007891 hta_dpoc* 0,0458887 0,00158 29,07 0 0,042794 0,048983 0,011669 hta_de~o* 0,0054937 0,0007 7,89 0 0,00413 0,006858 0,039796 hta_an~e* 0,0049072 0,00089 5,49 0 0,003156 0,006659 0,022946 hta_fu~r* -0,0086428 0,00087 -9,94 0 -0,010347 -0,006938 0,016758 hta_al~l* 0,0070972 0,00164 4,33 0 0,003882 0,010313 0,006522 hta_hi~a* 0,0274372 0,0076 3,61 0 0,012551 0,042323 0,000395


72

probit dummy_maiores_utilizad_5perc2015 neoplasia_asma neoplasia_dpoc neoplasia_depressao neoplasia_ansiedade neoplasia_fumador neoplasia_alcool neoplasia_hiv_sida if ano==2015


dummy~5perc2015 Coef. Std. Err. z P>|z| [95% Conf. Interval] neoplasia_asma 0,146653 0,0285214 5,14 0 0,0907521 0,2025538 neoplasia_dpoc 0,4143894 0,0191692 21,62 0 0,3768185 0,4519603

neoplasia_dep~o 0,1284965 0,0130604 9,84 0 0,1028987 0,1540944 neoplasia_ans~e 0,1014746 0,0175818 5,77 0 0,0670148 0,1359344 neoplasia_fum~r 0,1133315 0,0174239 6,5 0 0,0791813 0,1474816 neoplasia_alc~l 0,3308554 0,0282424 11,71 0 0,2755014 0,3862094 neoplasia_hiv~a 0,2721848 0,085602 3,18 0,001 0,104408 0,4399615

_cons -1,649481 0,0012186 -1353,59 0 -1,651869 -1,647092 Marginal effects after probit



variable dy/dx Std. Err. z P>|z| [ 95% C.I. ] X neopl~ma* 0,0170065 0,0037 4,6 0 0,009763 0,02425 0,001329 neopla~c* 0,0590852 0,00357 16,54 0 0,052082 0,066089 0,002468 neopla~o* 0,0146658 0,00164 8,93 0 0,011446 0,017885 0,007955 neopla~e* 0,0113421 0,00213 5,34 0 0,007177 0,015508 0,004232 neopla~r* 0,012789 0,00214 5,96 0 0,008585 0,016993 0,004012 neopla~l* 0,0443279 0,00474 9,35 0 0,035037 0,053619 0,001173 neopl~da* 0,0348693 0,01329 2,62 0,009 0,00882 0,060919 0,00013

73

probit dummy_maiores_utilizad_5perc2015 asma_dpoc asma_depressao asma_ansiedade asma_fumador asma_alcool asma_hiv_sida if ano==2015



asma_dpoc 0,3656474 0,0204954 17,84 0 0,3254772 0,4058175

asma_depressao 0,1389171 0,0169003 8,22 0 0,1057931 0,1720411

asma_ansiedade 0,1141964 0,0211253 5,41 0 0,0727916 0,1556012

asma_fumador 0,0158556 0,0212891 0,74 0,456 -0,0258704 0,0575815

asma_alcool 0,1139612 0,056924 2 0,045 0,0023922 0,2255302

asma_hiv_sida 0,4517855 0,1132361 3,99 0 0,2298468 0,6737241

_cons -1,647378 0,0012141 -1356,92 0 -1,649758 -1,644999



asma_d~c* 0,0503114 0,0036 13,98 0 0,04326 0,057363 0,002281

asma_d~o* 0,0160107 0,00216 7,4 0 0,01177 0,020251 0,004893

asma_a~e* 0,0129087 0,00261 4,95 0 0,007799 0,018018 0,003023

asma_f~r* 0,0016551 0,00225 0,74 0,462 -0,002757 0,006067 0,003017

asma_a~l* 0,012886 0,00703 1,83 0,067 -0,00089 0,026662 0,000338

asma_h~a* 0,0663677 0,02216 3 0,003 0,022942 0,109793 0,000064


74

probit dummy_maiores_utilizad_5perc2015 dpoc_depressao dpoc_ansiedade dpoc_fumador dpoc_alcool dpoc_hiv_sida if ano==2015

Probit regression Number of obs = 3064574 LR chi2(5) = 638,60 Prob > chi2 = 0,0000 Pseudo R2 = 0.0005 Log likelihood = -608049,18


dpoc_depressao 0,2627767 0,0195402 13,45 0 0,2244786 0,3010748

dpoc_ansiedade 0,2061729 0,0249587 8,26 0 0,1572547 0,2550911

dpoc_fumador 0,1177227 0,0178606 6,59 0 0,0827165 0,1527288

dpoc_alcool 0,2360948 0,0307739 7,67 0 0,1757791 0,2964106

dpoc_hiv_sida 0,3815145 0,1141804 3,34 0,001 0,157725 0,6053039

_cons -1,647416 0,0012129 -1358,22 0 -1,649793 -1,645039


variable dy/dx Std. Err. z P>|z| [ 95% C.I. ] X dpoc_d~o* 0,0334033 0,00299 11,17 0 0,027542 0,039264 0,003059 dpoc_a~e* 0,0250829 0,00353 7,1 0 0,018163 0,032003 0,001809 dpoc_f~r* 0,0133411 0,00221 6,02 0 0,009 0,017682 0,004174 dpoc_a~l* 0,0294143 0,00454 6,47 0 0,020508 0,038321 0,001142 dpoc_h~a* 0,0531859 0,02049 2,6 0,009 0,013023 0,093349 0,000061


probit dummy_maiores_utilizad_5perc2015 depressao_ansiedade depressao_fumador depressao_alcool depressao_hiv_sida if ano==2015


75

dummy~5perc2015 Coef. Std. Err. z P>|z| [95% Conf. Interval] depressao_ans~e 0,1326901 0,0067054 19,79 0 0,1195477 0,1458326 depressao_fum~r 0,1052832 0,0090456 11,64 0 0,0875541 0,1230123 depressao_alc~l 0,2440353 0,0218302 11,18 0 0,201249 0,2868217 depressao_hiv~a 0,3958414 0,0482921 8,2 0 0,3011906 0,4904921

_cons -1,652137 0,0012361 -1336,55 0 -1,65456 -1,649715


variable dy/dx Std. Err. z P>|z| [ 95% C.I. ] X depres~e* 0,0151288 0,00084 17,98 0 0,01348 0,016778 0,029547 depres~r* 0,011782 0,0011 10,75 0 0,009634 0,01393 0,01629 depres~l* 0,0305645 0,00326 9,39 0 0,024184 0,036945 0,002159 depres~a* 0,0557409 0,00882 6,32 0 0,038459 0,073023 0,000369


probit dummy_maiores_utilizad_5perc2015 ansiedade_fumador ansiedade_alcool ansiedade_hiv_sida if ano==2015



ansiedade_fum~r 0,1293911 0,0108106 11,97 0 0,1082027 0,1505795

ansiedade_alc~l 0,2332521 0,0267559 8,72 0 0,1808115 0,2856926

ansiedade_hiv~a 0,3447769 0,0682673 5,05 0 0,2109754 0,4785785

_cons -1,646978 0,0012157 -1354,71 0 -1,649361 -1,644595

76


variable dy/dx Std. Err. z P>|z| [ 95% C.I. ] X ansied~r* 0,0147877 0,00136 10,86 0 0,012119 0,017456 0,010951 ansied~l* 0,0290054 0,00394 7,37 0 0,021291 0,036719 0,001489 ansied~a* 0,0467628 0,01169 4 0 0,023849 0,069677 0,000197


probit dummy_maiores_utilizad_5perc2015 fumador_alcool fumador_hiv_sida alcool_hiv_sida if ano==2015


dummy~5perc2015 Coef. Std. Err. z P>|z| [95% Conf. Interval] fumador_alcool 0,1623932 0,0136501 11,9 0 0,1356396 0,1891469

fumador_hiv_s~a 0,2515944 0,0402404 6,25 0 0,1727246 0,3304642 alcool_hiv_sida 0,3531844 0,08531 4,14 0 0,1859799 0,5203888

_cons -1,646336 0,0012125 -1357,76 0 -1,648713 -1,64396 Marginal effects after probit y = Pr(dummy_maiores_utilizad_5perc2015) (predict) = ,04997731

variable dy/dx Std. Err. z P>|z| [ 95% C.I. ] X fumado~l* 0,0190711 0,00181 10,55 0 0,015526 0,022616 0,006455 fumado~a* 0,0317519 0,00608 5,22 0 0,01984 0,043663 0,000686 alcool~a* 0,0482175 0,01477 3,26 0,001 0,019264 0,077171 0,000118


77


probit dummy_maiores_10perc2015 diabetes_hta diabetes_neoplasia diabetes_asma diabetes_dpoc diabetes_depressao diabetes_ansiedade diabetes_fumador diabetes_alcool diabetes_hiv_sida if ano==2015



diabetes_hta 0,0398322 0,004335 9,19 0 0,0313358 0,0483286

diabetes_neop~a 0,2307778 0,0093518 24,68 0 0,2124485 0,2491071

diabetes_asma 0,1234776 0,0170188 7,26 0 0,0901214 0,1568338

diabetes_dpoc 0,3442999 0,0129244 26,64 0 0,3189684 0,3696313

diabetes_depr~o 0,1051277 0,0085653 12,27 0 0,08834 0,1219153

diabetes_ansi~e 0,0853847 0,0116129 7,35 0 0,0626239 0,1081455

diabetes_fuma~r -0,0033545 0,0119901 -0,28 0,78 -0,0268546 0,0201457

diabetes_alcool 0,0572165 0,0183593 3,12 0,002 0,021233 0,0932001

diabetes_hiv_~a 0,3137644 0,0623846 5,03 0 0,1914929 0,4360359

_cons -1,291817 0,001017 -1270,27 0 -1,29381 -1,289824


y = Pr(dummy_maiores_10perc2015) (predict) = ,09975217



diabe~ma* 0,023367 0,00346 6,75 0 0,016578 0,030156 0,00274 diabet~c* 0,0740768 0,00331 22,38 0 0,06759 0,080564 0,004355 diabet~o* 0,0196442 0,0017 11,54 0 0,016308 0,02298 0,013505 diabet~e* 0,0157767 0,00226 6,99 0 0,01135 0,020203 0,006776 diabet~r* -0,0005864 0,00209 -0,28 0,779 -0,004686 0,003513 0,006491 diabet~l* 0,0103926 0,00345 3,01 0,003 0,003622 0,017163 0,002571 diabe~da* 0,0664663 0,01556 4,27 0 0,035972 0,09696 0,000177

78

probit dummy_maiores_10perc2015 hta_neoplasia hta_asma hta_dpoc hta_depressao hta_ansiedade hta_fumador hta_alcool hta_hiv_sida if ano==2015


dumm~10perc2015 Coef. Std. Err. z P>|z| [95% Conf. Interval] hta_neoplasia 0,1989812 0,0058685 33,91 0 0,1874792 0,2104832

hta_asma 0,0715965 0,0104615 6,84 0 0,0510923 0,0921006 hta_dpoc 0,3344497 0,0080273 41,66 0 0,3187165 0,3501829



_cons -1,29511 0,0010242 -1264,52 0 -1,297117 -1,293102 Marginal effects after probit y = Pr(dummy_maiores_10perc2015) (predict) = ,09965617



79

probit dummy_maiores_10perc2015 neoplasia_asma neoplasia_dpoc neoplasia_depressao neoplasia_ansiedade neoplasia_fumador neoplasia_alcool neoplasia_hiv_sida if ano==2015


dumm~10perc2015 Coef. Std. Err. z P>|z| [95% Conf. Interval] neoplasia_asma 0,1418007 0,0241616 5,87 0 0,0944448 0,1891567 neoplasia_dpoc 0,4158879 0,0166843 24,93 0 0,3831873 0,4485885

neoplasia_dep~o 0,1386242 0,0108499 12,78 0 0,1173588 0,1598897 neoplasia_ans~e 0,0888474 0,0147394 6,03 0 0,0599587 0,1177362 neoplasia_fum~r 0,1304489 0,0145562 8,96 0 0,1019193 0,1589785 neoplasia_alc~l 0,2754763 0,0248602 11,08 0 0,2267513 0,3242013 neoplasia_hiv~a 0,3625923 0,0715428 5,07 0 0,2223711 0,5028136


variable dy/dx Std. Err. z P>|z| [ 95% C.I. ] X neopl~ma* 0,0271635 0,00503 5,4 0 0,017309 0,037018 0,001329 neopla~c* 0,0931596 0,00456 20,41 0 0,084213 0,102106 0,002468 neopla~o* 0,0264742 0,00224 11,79 0 0,022074 0,030874 0,007955 neopla~e* 0,0164692 0,00288 5,71 0 0,010821 0,022118 0,004232 neopla~r* 0,0248059 0,00299 8,3 0 0,01895 0,030661 0,004012 neopla~l* 0,0571184 0,00597 9,57 0 0,045417 0,06882 0,001173 neopl~da* 0,0789879 0,0187 4,22 0 0,042344 0,115632 0,00013


80

probit dummy_maiores_10perc2015 dpoc_depressao dpoc_ansiedade dpoc_fumador dpoc_alcool dpoc_hiv_sida if ano==2015


dumm~10perc2015 Coef. Std. Err. z P>|z| [95% Conf. Interval] dpoc_depressao 0,2745332 0,0166017 16,54 0 0,2419945 0,307072 dpoc_ansiedade 0,2044243 0,0213284 9,58 0 0,1626215 0,2462272 dpoc_fumador 0,1056538 0,0150116 7,04 0 0,0762316 0,135076

dpoc_alcool 0,1819554 0,0268183 6,78 0 0,1293925 0,2345184 dpoc_hiv_sida 0,3926269 0,1010546 3,89 0 0,1945635 0,5906902




probit dummy_maiores_10perc2015 depressao_ansiedade depressao_fumador depressao_alcool depressao_hiv_sida if ano==2015


81

dumm~10perc2015 Coef. Std. Err. z P>|z| [95% Conf. Interval] depressao_ans~e 0,1171352 0,0055795 20,99 0 0,1061996 0,1280708 depressao_fum~r 0,1099186 0,00749 14,68 0 0,0952385 0,1245987 depressao_alc~l 0,2347782 0,0186658 12,58 0 0,1981938 0,2713626 depressao_hiv~a 0,3577915 0,0426672 8,39 0 0,2741653 0,4414176


variable dy/dx Std. Err. z P>|z| [ 95% C.I. ] X depres~e* 0,0220169 0,00112 19,66 0 0,019822 0,024212 0,029547 depres~r* 0,0206107 0,0015 13,77 0 0,017677 0,023544 0,01629 depres~l* 0,0475387 0,0043 11,06 0 0,039115 0,055963 0,002159 depres~a* 0,07774 0,0111 7 0 0,055984 0,099496 0,000369


probit dummy_maiores_10perc2015 ansiedade_fumador ansiedade_alcool ansiedade_hi _sida if ano==2015


dumm~10perc2015 Coef. Std. Err. z P>|z| [95% Conf. Interval] ansiedade_fum~r 0,107216 0,009029 11,87 0 0,0895195 0,1249126 ansiedade_alc~l 0,238591 0,0227128 10,5 0 0,1940748 0,2831072 ansiedade_hiv~a 0,3657528 0,058662 6,23 0 0,2507775 0,4807282

_cons -1,283335 0,000983 -1305,6 0 -1,285262 -1,2814

82



ansied~r* 0,0200968 0,0018 11,15 0 0,016565 0,023629 0,010951

ansied~l* 0,0484531 0,00525 9,22 0 0,038154 0,058753 0,001489

ansied~a* 0,0798642 0,01538 5,19 0 0,049716 0,110012 0,000197


probit dummy_maiores_10perc2015 fumador_alcool fumador_hiv_sida alcool_hiv_sida if ano==2015


dumm~10perc2015 Coef. Std. Err. z P>|z| [95% Conf. Interval] fumador_alcool 0,1216488 0,0115376 10,54 0 0,0990355 0,1442622




variable dy/dx Std. Err. z P>|z| [ 95% C.I. ] X fumado~l* 0,0230191 0,00234 9,82 0 0,018424 0,027614 0,006455 fumado~a* 0,0471373 0,00787 5,99 0 0,031717 0,062558 0,000686 alcool~a* 0,0787221 0,01967 4 0 0,040168 0,117276 0,000118

83


probit dummy_maiores_20perc2015 diabetes_hta diabetes_neoplasia diabetes_asma diabetes_dpoc diabetes_depressao diabetes_ansiedade diabetes_fumador diabetes_alcool diabetes_hiv_sida if ano==2015


dumm~20perc2015 Coef. Std. Err. z P>|z| [95% Conf. Interval] diabetes_hta 0,0500271 0,0036591 13,67 0 0,0428554 0,0571989


diabetes_depr~o 0,1112633 0,0073753 15,09 0 0,0968079 0,1257187 diabetes_ansi~e 0,0828178 0,0100411 8,25 0 0,0631376 0,102498

diabetes_fuma~r -0,0163383 0,0102341 -1,6 0,11 -0,0363967 0,0037201 diabetes_alcool 0,059142 0,0157658 3,75 0 0,0282416 0,0900424 diabetes_hiv_~a 0,1914857 0,05719 3,35 0,001 0,0793954 0,303576



diabe~ma* 0,0359872 0,00459 7,84 0 0,026994 0,04498 0,00274 diabet~c* 0,1049111 0,00407 25,8 0 0,09694 0,112882 0,004355 diabet~o* 0,0325256 0,00225 14,47 0 0,028121 0,03693 0,013505 diabet~e* 0,023958 0,003 7,99 0 0,01808 0,029836 0,006776 diabet~r* -0,0045397 0,00282 -1,61 0,108 -0,010075 0,000995 0,006491 diabet~l* 0,0169527 0,00463 3,66 0 0,007884 0,026021 0,002571 diabe~da* 0,0577645 0,01846 3,13 0,002 0,021587 0,093942 0,000177


84

probit dummy_maiores_20perc2015 hta_neoplasia hta_asma hta_dpoc hta_depressao_hta_ansiedade hta_fumador hta_alcool hta_hiv_sida if ano==2015


dumm~20perc2015 Coef. Std. Err. z P>|z| [95% Conf. Interval] hta_neoplasia 0,2027543 0,0050881 39,85 0 0,1927817 0,2127268

hta_asma 0,0845651 0,0089577 9,44 0 0,0670083 0,1021219 hta_dpoc 0,3169737 0,0071436 44,37 0 0,3029725 0,3309749






85

probit dummy_maiores_20perc2015 neoplasia_asma neoplasia_dpoc neoplasia_depressao neoplasia_ansiedade neoplasia_fumador neoplasia_alcool neoplasia_hiv_sida if ano ==2015


dumm~20perc2015 Coef. Std. Err. z P>|z| [95% Conf. Interval] neoplasia_asma 0,1542013 0,0211645 7,29 0 0,1127196 0,1956831 neoplasia_dpoc 0,4044432 0,0151873 26,63 0 0,3746765 0,4342098





86

probit dummy_maiores_20perc2015 asma_dpoc asma_depressao asma_ansiedade asma_fumador asma_alcool asma_hiv_sida if ano==2015


dumm~20perc2015 Coef. Std. Err. z P>|z| [95% Conf. Interval] asma_dpoc 0,3248477 0,0159649 20,35 0 0,293557 0,3561384

asma_depressao 0,1601795 0,0121674 13,16 0 0,1363319 0,1840272 asma_ansiedade 0,1069102 0,0153274 6,98 0 0,0768691 0,1369514 asma_fumador 0,0162813 0,0149749 1,09 0,277 -0,0130689 0,0456316

asma_alcool 0,0653018 0,0427019 1,53 0,126 -0,0183924 0,1489959 asma_hiv_sida 0,4662749 0,0912753 5,11 0 0,2873786 0,6451711

_cons -0,8437882 0,0008201 -1028,83 0 -0,8453956 -0,8421807



variable dy/dx Std. Err. z P>|z| [ 95% C.I. ] X asma_d~c* 0,1025908 0,00557 18,43 0 0,091678 0,113504 0,002281 asma_d~o* 0,0477596 0,00384 12,43 0 0,040226 0,055293 0,004893 asma_a~e* 0,0312444 0,00467 6,7 0 0,0221 0,040389 0,003023 asma_f~r* 0,0045883 0,00425 1,08 0,28 -0,003739 0,012915 0,003017 asma_a~l* 0,0187765 0,0126 1,49 0,136 -0,005921 0,043474 0,000338 asma_h~a* 0,1536787 0,03393 4,53 0 0,087171 0,220187 0,000064


87

probit dummy_maiores_20perc2015 dpoc_depressao dpoc_ansiedade dpoc_fumador dpoc_alcool dpoc_hiv_sida if ano==2015


dumm~20perc2015 Coef. Std. Err. z P>|z| [95% Conf. Interval] dpoc_depressao 0,277283 0,0147276 18,83 0 0,2484174 0,3061486 dpoc_ansiedade 0,1822016 0,0190128 9,58 0 0,1449373 0,2194659 dpoc_fumador 0,0846338 0,0130597 6,48 0 0,0590372 0,1102304

dpoc_alcool 0,1745111 0,0237049 7,36 0 0,1280503 0,2209719 dpoc_hiv_sida 0,2984058 0,0944593 3,16 0,002 0,113269 0,4835425

_cons -0,8435841 0,0008193 -1029,64 0 -0,8451899 -0,8419783





probit dummy_maiores_20perc2015 depressao_ansiedade depressao_fumador depressao_alcool depressao_hiv_sida if ano==2015

Probit regression Number of obs = 3064574 LR chi2(4) = 1445,96 Prob > chi2 = 0,0000 Pseudo R2 = 0,0005 Log likelihood = -1532798.9

88

dumm~20perc2015 Coef. Std. Err. z P>|z| [95% Conf. Interval] depressao_ans~e 0,1173556 0,0047717 24,59 0 0,1080032 0,1267079 depressao_fum~r 0,1019285 0,0064396 15,83 0 0,0893072 0,1145498 depressao_alc~l 0,2011132 0,0166044 12,11 0 0,1685692 0,2336572 depressao_hiv~a 0,3353902 0,0386863 8,67 0 0,2595664 0,411214

_cons -0,8476674 0,0008336 -1016,89 0 -0,8493012 -0,8460335



variable dy/dx Std. Err. z P>|z| [ 95% C.I. ] X depres~e* 0,0343481 0,00146 23,58 0 0,031493 0,037203 0,029547 depres~r* 0,0296957 0,00195 15,24 0 0,025876 0,033515 0,01629 depres~l* 0,0608854 0,00539 11,29 0 0,050319 0,071452 0,002159 depres~a* 0,1063128 0,01357 7,83 0 0,07971 0,132916 0,000369


probit dummy_maiores_20perc2015 ansiedade_fumador ansiedade_alcool ansiedade_hiv_sida if ano==2015


dumm~20perc2015 Coef. Std. Err. z P>|z| [95% Conf. Interval] ansiedade_fum~r 0,1111436 0,007701 14,43 0 0,0960499 0,1262373 ansiedade_alc~l 0,1969899 0,020129 9,79 0 0,1575378 0,2364419 ansiedade_hiv~a 0,3117432 0,0532843 5,85 0 0,2073078 0,4161786

_cons -0,8432922 0,0008213 -1026,79 0 -0,8449019 -0,8416825

89



variable dy/dx Std. Err. z P>|z| [ 95% C.I. ] X ansied~r* 0,0325155 0,00235 13,85 0 0,027913 0,037118 0,010951 ansied~l* 0,0595657 0,00652 9,13 0 0,046785 0,072346 0,001489 ansied~a* 0,0980875 0,01847 5,31 0 0,061885 0,13429 0,000197


probit dummy_maiores_20perc2015 fumador_alcool fumador_hiv_sida alcool_hiv_sida if ano==2015

Probit regression Number of obs = 3064574 LR chi2(3) = 237.04 Prob > chi2 = 0.0000 Pseudo R2 = 0.0001 Log likelihood = -1533403.4

dumm~20perc2015 Coef. Std. Err. z P>|z| [95% Conf. Interval] fumador_alcool 0,1040823 0,0099085 10,5 0 0,0846621 0,1235026


_cons -0,8425558 0,0008193 -1028,42 0 -0,8441615 -0,84095


y = Pr(dummy_maiores_20perc2015) (predict)= ,19998447

variable dy/dx Std. Err. z P>|z| [ 95% C.I. ] X fumado~l* 0,0303799 0,00301 10,1 0 0,024483 0,036276 0,006455 fumado~a* 0,0748234 0,00996 7,51 0 0,055301 0,094346 0,000686 alcool~a* 0,1079111 0,02435 4,43 0 0,060182 0,15564 0,000118


90

Utentes que se deslocam 4 ou mais vezes a um SU, no mesmo ano, estimados para utentes com dois dos problemas de saúde:

probit dummy_utiliz_4vezes_2015 diabetes_hta diabetes_neoplasia diabetes_asma diabetes_dpoc diabetes_depressao diabetes_ansiedade diabetes_fumador diabetes_alcool diabetes_hiv_sida if ano==2015


dummy_utiliz_~5 Coef. Std. Err. z P>|z| [95% Conf. Interval] diabetes_hta 0,0441548 0,0040872 10,8 0 0,0361441 0,0521656


diabetes_depr~o 0,1029047 0,0081352 12,65 0 0,08696 0,1188494 diabetes_ansi~e 0,0812632 0,0110476 7,36 0 0,0596103 0,102916

diabetes_fuma~r -0,0072857 0,011352 -0,64 0,521 -0,0295353 0,0149639 diabetes_alcool 0,0568529 0,0174118 3,27 0,001 0,0227264 0,0909795 diabetes_hiv_~a 0,224327 0,0615644 3,64 0 0,1036629 0,3449911

_cons -1,162998 ,0009563 - 1216,12 0 -1,164872 -1,161123 Marginal effects after probit y = Pr(dummy_utiliz_4vezes_2015) (predict) = ,12426093


diabe~ma* 0,0284363 0,00382 7,44 0 0,020948 0,035925 0,00274 diabet~c* 0,0871143 0,00358 24,34 0 0,080099 0,094129 0,004355 diabet~o* 0,0223244 0,00186 11,99 0 0,018674 0,025975 0,013505 diabet~e* 0,0174349 0,00248 7,04 0 0,012581 0,022288 0,006776 diabet~r* -0,0014874 0,00231 -0,64 0,519 -0,006011 0,003036 0,006491 diabet~l* 0,0120372 0,0038 3,16 0,002 0,004581 0,019493 0,002571 diabe~da* 0,0520208 0,01594 3,26 0,001 0,020774 0,083267 0,000177


91

probit dummy_utiliz_4vezes_2015 hta_neoplasia hta_asma hta_dpoc hta_depressao hta_ansiedade hta_fumador hta_alcool hta_hiv_sida if ano==2015


dummy_utiliz_~5 Coef. Std. Err. z P>|z| [95% Conf. Interval] hta_neoplasia 0,2011946 0,0055792 36,06 0 0,1902595 0,2121297

hta_asma 0,0844015 0,0098732 8,55 0 0,0650504 0,1037526 hta_dpoc 0,3397699 0,0076767 44,26 0 0,3247239 0,354816



_cons -1,166499 ,0009631 - 1211,19 0 -1,168387 -1,164612 Marginal effects after probit y = Pr(dummy_utiliz_4vezes_2015) (predict) = ,12414763



92

probit dummy_utiliz_4vezes_2015 neoplasia_asma neoplasia_dpoc neoplasia_depressao neoplasia_ansiedade neoplasia_fumador neoplasia_alcool neoplasia_hiv_sida if ano==2015


dummy_utiliz_~5 Coef. Std. Err. z P>|z| [95% Conf. Interval] neoplasia_asma 0,1526981 0,0229796 6,64 0 0,107659 0,1977373 neoplasia_dpoc 0,4193249 0,0160746 26,09 0 0,3878194 0,4508305


_cons -1,157056 0,0009265 -1248,8 0 -1,158872 -1,15524 Marginal effects after probit y = Pr(dummy_utiliz_4vezes_2015) (predict) = ,12437553



93

probit dummy_utiliz_4vezes_2015 asma_dpoc asma_depressao asma_ansiedade asma_fumador asma_alcool asma_hiv_sida if ano==2015


dummy_utiliz_~5 Coef. Std. Err. z P>|z| [95% Conf. Interval] asma_dpoc 0,3561755 0,0170383 20,9 0 0,3227811 0,38957

asma_depressao 0,1518002 0,0133806 11,34 0 0,1255748 0,1780257 asma_ansiedade 0,0908833 0,0169001 5,38 0 0,0577597 0,1240069 asma_fumador 0,017788 0,0166146 1,07 0,284 -0,0147761 0,050352

asma_alcool 0,1017546 0,0461826 2,2 0,028 0,0112384 0,1922708 asma_hiv_sida 0,416591 0,0972814 4,28 0 0,2259228 0,6072591

_cons -1,154969 0,0009234 -1250,73 0 -1,156779 -1,153159



variable dy/dx Std. Err. z P>|z| [ 95% C.I. ] X asma_d~c* 0,08825 0,00494 17,86 0 0,078564 0,097936 0,002281 asma_d~o* 0,033882 0,00323 10,49 0 0,027553 0,040211 0,004893 asma_a~e* 0,0196297 0,00383 5,12 0 0,012116 0,027143 0,003023 asma_f~r* 0,0036877 0,00348 1,06 0,289 -0,003132 0,010507 0,003017 asma_a~l* 0,0221163 0,0106 2,09 0,037 0,001337 0,042895 0,000338 asma_h~a* 0,1062807 0,02959 3,59 0 0,048284 0,164278 0,000064


94

probit dummy_utiliz_4vezes_2015 dpoc_depressao dpoc_ansiedade dpoc_fumador dpoc_alcool dpoc_hiv_sida if ano==2015


dummy_utiliz_~5 Coef. Std. Err. z P>|z| [95% Conf. Interval] dpoc_depressao 0,2934811 0,0158222 18,55 0 0,2624701 0,3244921 dpoc_ansiedade 0,1994415 0,0204168 9,77 0 0,1594254 0,2394576 dpoc_fumador 0,1014402 0,0142778 7,1 0 0,0734562 0,1294242

dpoc_alcool 0,1814565 0,0256294 7,08 0 0,1312239 0,2316892 dpoc_hiv_sida 0,3610916 0,0988008 3,65 0 0,1674455 0,5547377

_cons -1,154973 0,0009225 -1251,94 0 -1,156782 -1,153165





probit dummy_utiliz_4vezes_2015 ansiedade_fumador ansiedade_alcool ansiedade_hiv_sida if ano==2015


95

dummy_utiliz_~5 Coef. Std. Err. z P>|z| [95% Conf. Interval] ansiedade_fum~r 0,1092428 0,0085437 12,79 0 0,0924975 0,1259881 ansiedade_alc~l 0,2251455 0,0217844 10,34 0 0,1824488 0,2678421 ansiedade_hiv~a 0,3673564 0,056434 6,51 0 0,2567477 0,4779651

_cons -1,15445 0,0009247 -1248,48 0 -1,156262 -1,152637



variable dy/dx Std. Err. z P>|z| [ 95% C.I. ] X ansied~r* 0,0238164 0,00197 12,08 0 0,019951 0,027682 0,010951 ansied~l* 0,0522765 0,00565 9,26 0 0,041207 0,063346 0,001489 ansied~a* 0,0915902 0,01654 5,54 0 0,059181 0,123999 0,000197


probit dummy_utiliz_4vezes_2015 fumador_alcool fumador_hiv_sida alcool_hiv_sida if ano==2015


dummy_utiliz_~5 Coef. Std. Err. z P>|z| [95% Conf. Interval] fumador_alcool 0,1092216 0,0109826 9,95 0 0,0876962 0,1307471


_cons -1,153703 0,0009223 -1250,86 0 -1,155511 -1,151895


y = Pr(dummy_utiliz_4vezes_2015) (predict)= ,1245005

variable dy/dx Std. Err. z P>|z| [ 95% C.I. ] X fumado~l* 0,0238261 0,00254 9,39 0 0,018852 0,028801 0,006455 fumado~a* 0,0597295 0,00863 6,92 0 0,042814 0,076645 0,000686 alcool~a* 0,0953403 0,0215 4,44 0 0,053209 0,137472 0,000118


96

Utentes que se deslocam 10 ou mais vezes a um SU, no mesmo ano, estimados para utentes com cada um dos problemas de saúde:

probit dummy_utiliz_10vezes_2015 diabetes hta neoplasia_maligna asma dpoc depressao ansiedade fumador consum_alcool hiv_sida if ano==2015


dummy_utiliz_~10 Coef. Std. Err. z P>|z| [95% Conf. Interval] diabetes 0,1211052 0,0078211 15,48 0 0,1057762 0,1364342

hta -0,1015642 0,0059562 -17,05 0 -0,1132381 -0,0898902 neoplasia_mal~a 0,1412841 0,0095138 14,85 0 0,1226373 0,1599309

asma 0,1335031 0,0111203 12,01 0 0,1117076 0,1552985 dpoc 0,361763 0,0118283 30,58 0 0,33858 0,3849461

depressao 0,0843903 0,0069497 12,14 0 0,0707691 0,0980115 ansiedade 0,1013788 0,0083519 12,14 0 0,0850094 0,1177482 fumador -0,0278464 0,0075878 -3,67 0 -0,0427183 -0,0129745


_cons -2,383974 0,0027815 -857,09 0 -2,389426 -2,378522




diabetes* 0,0033431 0,00024 13,85 0 0,00287 0,003816 0,089376 hta* -0,0023376 0,00013 -18,21 0 -0,002589 -0,002086 0,230843

neopl~na* 0,0040381 0,00031 12,88 0 0,003424 0,004653 0,044054 asma* 0,0037993 0,00036 10,45 0 0,003086 0,004512 0,03028 dpoc* 0,0134455 0,00062 21,67 0 0,012229 0,014662 0,019014

depres~o* 0,0022387 0,0002 11,26 0 0,001849 0,002628 0,107084 ansied~e* 0,0027591 0,00025 10,99 0 0,002267 0,003251 0,066638 fumador* -0,0006646 0,00018 -3,77 0 -0,00101 -0,000319 0,094572 consum~l* 0,0070968 0,00058 12,33 0 0,005969 0,008225 0,015739 hiv_sida* 0,0109455 0,00165 6,62 0 0,007707 0,014184 0,002255

Utilizadores Frequentes das Urgências do Serviço Nacional ...

Documents

Transcript of Utilizadores Frequentes das Urgências do Serviço Nacional ...